閾值分割算法的研究及其在拉鏈缺陷檢測(cè)中的應(yīng)用.pdf

1、在人類接收的信息中，有80％的信息是屬于圖像信息。隨著計(jì)算機(jī)數(shù)字圖像處理技術(shù)的發(fā)展，人們?cè)絹碓蕉嗟睦糜?jì)算機(jī)幫助人類獲取與處理視覺信息。在現(xiàn)代自動(dòng)化生產(chǎn)過程中，機(jī)器視覺系統(tǒng)被廣泛用于工況監(jiān)視、成品檢驗(yàn)和質(zhì)量控制等領(lǐng)域，尤其是一些不適于人工作業(yè)的危險(xiǎn)工作環(huán)境或人工視覺難以滿足要求的場(chǎng)合，提高了生產(chǎn)的效率和自動(dòng)化程度。數(shù)字圖像的分割是對(duì)圖像分析和識(shí)別的基本前提，是目前機(jī)器視覺領(lǐng)域最熱門的研究課題之一。本文在對(duì)數(shù)字圖像的分割研究現(xiàn)狀深入探討的

2、基礎(chǔ)上，研究適合拉鏈圖像的閾值分割算法，并將其應(yīng)用到拉鏈缺陷檢測(cè)中。全文主要內(nèi)容如下:
　　 1.本文在分析和總結(jié)國(guó)內(nèi)外研究成果的基礎(chǔ)上，選取基于閩值的圖像分割技術(shù)作為研究的重點(diǎn)，分析并比較了常見的幾種基于閾值的圖像分割技術(shù)的特點(diǎn)。
　　 2.針對(duì)傳統(tǒng)的一維最大熵算法的不足，本文將加權(quán)調(diào)和平均算子引入到閾值判別函數(shù)中。加權(quán)值直接影響到閡值的選取，為了確定最佳的加權(quán)值，先采用粒子群優(yōu)化算法快速搜索到局部極小值附近，在此基礎(chǔ)

3、上，再用混沌搜索算法進(jìn)行二次搜索得到最優(yōu)解。結(jié)合圖像質(zhì)量評(píng)價(jià)指標(biāo)，評(píng)價(jià)混度粒子群的目標(biāo)適應(yīng)度。實(shí)驗(yàn)結(jié)果表明，與其他閾值判別函數(shù)相比，通過加權(quán)調(diào)和算子優(yōu)化的閾值判別函數(shù)得到的分割閾值，具有較好的分割效果，能夠更好的保留目標(biāo)物的輪廓。
　　 3.構(gòu)建拉鏈缺陷檢測(cè)實(shí)驗(yàn)平臺(tái)。在論文的第四章，介紹了基本的硬件模塊以及基礎(chǔ)軟件模塊的設(shè)計(jì)思路和移植步驟。
　　 4.根據(jù)拉鏈的鏈頭和限位碼的特點(diǎn)，提出并實(shí)現(xiàn)了檢測(cè)拉鏈的鏈頭與限位碼是否存

4、在的檢測(cè)算法。主要內(nèi)容包括:基于混沌粒子群改進(jìn)的最大熵圖像分割算法，建立基于Hu矩的輪廓匹配判別模型，依據(jù)該模型判別拉鏈?zhǔn)欠窈细瘢谖闹械谖逭聦?duì)這些內(nèi)容進(jìn)行了詳細(xì)描述并給出了實(shí)驗(yàn)結(jié)果。
　　 5.最后，把基于輪廓匹配的判別模型與Surf算法的檢測(cè)結(jié)果對(duì)比分析。實(shí)驗(yàn)表明，在拉鏈的缺陷檢測(cè)中，基于輪廓的匹配檢測(cè)算法的檢測(cè)效果要優(yōu)于Surf目標(biāo)匹配檢測(cè)算法，尤其是當(dāng)待檢測(cè)目標(biāo)細(xì)節(jié)較少、特征點(diǎn)很少的情況下，Surf算法不能很好的對(duì)目標(biāo)進(jìn)