帶鋼表面缺陷圖像中目標區(qū)域的分割研究.pdf

1、帶鋼表面缺陷的分割是帶鋼表面缺陷檢測中至關(guān)重要的環(huán)節(jié)，缺陷分割的高效、準確與否將直接影響后續(xù)的分類和識別，以及整個檢測系統(tǒng)的性能。由于帶鋼表面缺陷種類繁多，背景受光照不均，紋理不規(guī)則等因素的影響，很難找到一種有效且通用的帶鋼表面缺陷分割方法。因此本文對帶鋼表面缺陷圖像的分割方法進行了深入的研究，并提出了基于凸優(yōu)化活動輪廓模型的帶鋼表面缺陷分割方法。
　　本論文的主要研究內(nèi)容及成果如下:
　　(1)通過概述帶鋼表面缺陷在線檢測

2、系統(tǒng)的基本要求，給出了一種帶鋼表面缺陷在線檢測系統(tǒng)基本流程，將檢測系統(tǒng)分為兩大部分:“實時處理”和“準時處理”。在保證較低的漏檢率和誤檢率的同時，又能滿足檢測系統(tǒng)實時性的要求，本文采用簡單的快速檢測方法和準確的目標區(qū)域分割方法相結(jié)合的思路，以滿足檢測系統(tǒng)的實時性要求，同時又保證較低的漏檢率和誤檢率。即使用簡單的圖像灰度投影的快速檢測方法可以滿足檢測系統(tǒng)的實時性要求，同時，使用較為準確的基于活動輪廓模型的目標區(qū)域分割方法，用以保證較低的漏

3、檢率和誤檢率。
　　(2)針對Chan-V模型和LBF模型存在的對初始輪廓位置敏感、運行速度較慢等問題給出了一個有效的改進方案，提出了基于凸優(yōu)化的活動輪廓模型(Convex ActiveContour Model)。該模型利用凸優(yōu)化技術(shù)將一個非凸問題轉(zhuǎn)變?yōu)榱送箖?yōu)化問題，并采用Split Bregman方法對問題進行快速求解，從而解決了Chan-V模型和LBF模型對初始輪廓位置敏感的問題，同時該模型還利用了圖像局部信息，在灰度不均勻

4、的帶鋼表面缺陷圖像分割時取得了良好的效果。由于使用了Split Bregman求解方法，在運行速度上較其他模型有較大提高，可以滿足帶鋼表面缺陷目標區(qū)域分割的速度要求，為后續(xù)的特征提取與選擇，以及分類識別爭取了更多的時間。
　　(3)對帶鋼表面缺陷圖像中多目標區(qū)域的分割進行研究，采用Vese-C模型的分割方法對多相缺陷圖像的多目標區(qū)域進行分割，而對于兩相缺陷圖像的多目標區(qū)域分割問題，采用本文提出的基于凸優(yōu)化的活動輪廓模型(CACM)