圖像分割以及識(shí)別技術(shù)在簾子布疵點(diǎn)檢測(cè)中的應(yīng)用.pdf

1、本文對(duì)經(jīng)過(guò)預(yù)處理的簾子布疵點(diǎn)圖像進(jìn)行分割以及識(shí)別。圖像分割是圖像處理中非常重要的一步，尤其對(duì)于一個(gè)在線監(jiān)測(cè)系統(tǒng)來(lái)說(shuō)，分割的效果圖像分割的效果直接影響了后續(xù)疵點(diǎn)缺陷的特征提取以及疵點(diǎn)類(lèi)型的識(shí)別。現(xiàn)有的分割算法非常多，但是基本上是一種產(chǎn)品對(duì)應(yīng)著一種分割算法。本文中，對(duì)于圖像分割以及疵點(diǎn)類(lèi)型的識(shí)別都采用了幾種改良后的算法來(lái)對(duì)圖像進(jìn)行處理，并根據(jù)實(shí)驗(yàn)結(jié)果，選擇效果最好，且實(shí)時(shí)性最好的算法。
　　 文章分析、比較了在圖像分割以及圖像分類(lèi)識(shí)

2、別的幾種最為典型、常見(jiàn)的幾種傳統(tǒng)方法的特點(diǎn)，并在每個(gè)部分都選出了最優(yōu)的算法，組合在一起構(gòu)成了適用于簾子布疵點(diǎn)檢測(cè)的圖像預(yù)處理體系。在圖像分割部分，我們使用了經(jīng)典的Otsu法，此方法我們發(fā)現(xiàn)仿真結(jié)果使疵點(diǎn)有些失真：我們使用了基于統(tǒng)計(jì)學(xué)理論的閩值曲面概念，在此方法中，為了規(guī)避傳統(tǒng)閾值曲面方法的缺陷，對(duì)于閾值曲面的建立采取了不一樣的方法：同時(shí)，我們還使用了PCNN算法對(duì)疵點(diǎn)圖像進(jìn)行了分割。分割之后，我們采用了一種基于距離的疵點(diǎn)缺陷聚類(lèi)方法，以