基于變分PDE的單板缺陷圖像檢測及修補關鍵技術(shù)研究.pdf

1、單板質(zhì)量好壞直接影響了用單板制成的人造板材的強度及表面質(zhì)量和等級,為了提高單板的等級和木材的利用率,目前通常采用人工對單板進行缺陷檢測及缺陷挖切修補,自動化水平低,勞動強度大、生產(chǎn)效率低,嚴重影響了經(jīng)濟效益,增加了生產(chǎn)成本。將機器視覺和機器人技術(shù)引入生產(chǎn),將可以有效地克服人工檢測修補所帶來的缺點,對于提高我國人造板行業(yè)自動化水平起到很好的推進作用,具有重要的學術(shù)意義和應用價值。本文基于變分和偏微分方程(PDE)的圖像處理、圖像修復技術(shù)及

2、機器人技術(shù),結(jié)合單板的特點,對單板表面的缺陷進行有效識別和修復,形成一種單板節(jié)子的快速檢測、缺陷挖切和修補方法。論文主要研究內(nèi)容與工作如下:
　　 本文主要對C-V模型進行了改進,解決了C-V模型在多目標分割以及復雜背景情況表示上的局限,以適應單板缺陷圖像的多目標分割。首先,將背景填充技術(shù)與改進C-V模型及AOS半隱式方法相結(jié)合,提出了基于AOS格式的多相改進C-V模型及背景填充耦合的單板缺陷分割算法,解決了單板缺陷圖像、木材缺

3、陷圖像的多目標自動分割問題。第二,由于現(xiàn)有的圖像采集系統(tǒng)所獲取的多為矢量或彩色圖像,針對單板矢量或彩色圖像缺陷分割問題,提出了基于AOS的多相改進矢量C-V模型及背景填充的單板缺陷矢量圖像分割方法,將單板矢量圖像作為一個整體圖像進行處理,實現(xiàn)了單板缺陷彩色圖像的多目標分割問題。第三,針對帶紋理單板缺陷彩色圖像,結(jié)合多通道Gabor濾波器、改進矢量C-V模型,提出了多相改進矢量CVV模型與Gabor濾波器的單板缺陷彩色圖像分割方法,解決了

4、帶紋理單板缺陷矢量圖像的多目標識別問題,得到了識別結(jié)果與原圖像相同的分割圖像,并可生成單板缺陷修補的彩色掩膜圖像。
　　 針對各種形狀的單板節(jié)子缺陷,特別是帶有凹形區(qū)域的節(jié)子,以及單板節(jié)子缺陷目標和背景顏色相近、邊緣不清晰等造成缺陷識別困難的多目標識別問題,本文結(jié)合了基于邊緣的活動輪廓模型和基于區(qū)域的活動輪廓模型,提出了一種基于全局最優(yōu)的活動輪廓模型的多目標檢測方法,通過利用對偶形式的數(shù)值計算方法,減小了計算量,提高了分割速度,

5、實現(xiàn)了對復雜紋理背景下的單板多節(jié)子目標的有效檢測。
　　 針對含有較豐富紋理的單板缺陷圖像,本文采用了變分偏微分方程的圖像分解方法進行單板缺陷檢測,首先,在ROF模型的基礎上,結(jié)合高階導數(shù)的圖像分解模型,提出了一種消除階梯效應的單板缺陷圖像分解模型,運用半二次規(guī)整化方法求解該模型,得到了分解單板缺陷圖像的有效方法,保護了結(jié)構(gòu)圖像的邊緣,更好的提取紋理特征。其次,結(jié)合AAFC模型與TV正則項一般式,提出了一種聯(lián)合圖像結(jié)構(gòu).紋理分解

6、和邊緣檢測耦合的圖像分解模型。實現(xiàn)了在進行單板缺陷圖像結(jié)構(gòu).紋理部分分解的同時,又得到了較好的單板缺陷邊緣檢測結(jié)果。
　　 為了將圖像修復理論、方法應用于單板表面節(jié)子缺陷圖像的自動修補中。提出了一種BSCB改進算法,使其在非紋理單板節(jié)子圖像修復上得到了比較好的效果。針對單板節(jié)子區(qū)域較大、節(jié)子周圍紋理比較復雜的情況,又提出了將BSCB改進算法與基于樣本塊的圖像修復算法相耦合的單板缺陷圖像修復新方法,實現(xiàn)了對單板節(jié)子缺陷圖像的修復,

7、達到較好的修復效果。針對單一圖像修復方法的局限性,提出了一種基于圖像分解的單板缺陷圖像修復方法。首先,改進了VO模型實現(xiàn)了對單板缺陷彩色圖像的有效分解,得到了單板缺陷圖像的結(jié)構(gòu)部分與紋理部分；然后,采用BSCB改進算法,對單板缺陷圖像結(jié)構(gòu)部分進行修復；采用基于樣本的Criminisi算法對紋理部分進行修復；最后,將修復好的圖像疊加合成,達到比較好的修復效果。
　　 最后,提出了基于機器視覺的機器人單板缺陷檢測修補系統(tǒng)的設計方案,