東富達科技

產品分類>>

聯系我們>>

無錫市東富達科技有限公司
地址:江蘇省無錫市惠山區盛岸西路592號
聯系人:賀先生
電話:18015334576
網站:www.axibalba.com

當前位置:首頁 > 行業動態 行業動態

視覺缺陷檢測圖像處理和算法

       工業現場采集的圖像通常包含噪聲,圖像預處理主要目的是減少噪聲,改善圖像的質量,使之更適合人眼的觀察或機器的處理。圖像的預處理通常包括空域方法和頻域方法,其算法有灰度變換、直方圖均衡、基于空域和頻域的各種濾波算法等,其中直觀的方法是根據噪聲能量一般集中于高頻,而圖像頻譜則分布于一個有限區間的這一特點,采用低通濾波方式進行去噪,例如滑動平均窗濾波器、Wiener線性濾噪器等。上述各種濾波方法中,頻域變換復雜,運算代價較高;空域濾波算法采用各種模板對圖像進行卷積運算。直接灰度變換法通過對圖像每一個像素按照某種函數進行變換后得到增強圖像,變換函數一般多采用線性函數、分段線性函數、指數函數、對數函數等,運算簡單,在滿足處理功能的前提下實時性也較高。

1558070216559413.jpg

       圖像的分割是把圖像陣列分解成若干個互不交迭的區域,每一個區域內部的某種特性或特征相同或接近,而不同區域間的圖像特征則有明顯差別。它是由圖像處理到圖像分析的關鍵步驟?,F有的圖像分割方法主要分為基于閾值的分割方法、基于區域的分割方法、基于邊緣的分割方法以及基于特定理論的分割方法等。近年來,研究者不斷改進原有的圖像分割方法并把其他學科的一些新理論和新方法用于圖像分割,提出了不少新的分割方法。圖像分割后提取出的目標可以用于圖像語義識別、圖像搜索等領域。

       圖像的特征提取可理解為從高維圖像空間到低維特征空間的映射,是基于機器視覺的表面缺陷檢測的重要一環,其有效性對后續缺陷目標識別精度、計算復雜度、魯棒性等均有重大影響。特征提取的基本思想是使目標在得到的子空間中具有較小的類內聚散度和較大的類間聚散度。目前常用的圖像特征主要有紋理特征、顏色特征、形狀特征等。

1619328650(1).jpg

       統計模式識別和結構模式識別是兩種基本的模式識別方法。前者是模式的統計分類方法,即結合統計概率的貝葉斯決策系統進行模型識別的技術,又稱為決策理論識別方法;后者的基本思想是把一個模式描述為較簡單的子模式的組合,子模式又可進一步描述為更簡單的子模式的組合,最終得到一個樹狀結構描述,利用模式與子模式分層結構的樹狀信息完成模式識別任務。數字圖像的識別問題通常適用于統計模式識別,而句法模式識別主要用于遙感圖像識別、文字識別等,目前,基于機器視覺的表面缺陷識別主要涉及統計模式識別。

      統計模式識別按其實現方式又分為有監督學習的模式識別和無監督學習的模式識別。前者是在已知類別標簽的特征集(即訓練集)基礎上進行分類器構建;后者也稱為聚類,該方法不需要已知類別的訓練集,分類器直接根據特征向量之間的相似性,將待分類的特征向量集合分為若干個子集。




上一條:視覺缺陷檢測的變革及發展方向
下一條:表面缺陷檢測紋理特征提取及算法
點擊次數:7更新時間:2021-04-25
本山茉莉痴汉路线在线观看_亚洲无码图_夜狼在线视AV频免费观看_久久e热在这里只有精品99