杨成立
- 作品数：4 被引量：27H指数：3
- 供职机构：四川大学制造科学与工程学院更多>>
- 发文基金：四川省科技支撑计划国家科技支撑计划更多>>
- 相关领域：自动化与计算机技术机械工程金属学及工艺更多>>
- 基于非下采样Shearlet变换的磁瓦表面缺陷检测被引量：10
- 2017年
- 针对磁瓦表面缺陷对比度低,图像受不均匀背景和磨削纹理干扰大等问题,提出了一种基于非下采样Shearlet变换(non-subsampled Shearlet transform,NSST)的磁瓦表面缺陷检测方法。首先,对磁瓦图像进行多尺度多方向NSST分解,得到一个低频子带图像及多个频率和方向变化的高频子带图像。然后对缺陷在高低频域表现出的不同特征进行针对性的处理,在低频子带中分别计算行均值线图像和列均值线图像,将列均值线图像沿行均值线图像扩展,构造基于均值的自适应阈值对低频子带进行滤波,以去除不均匀背景;同时,利用同一分解尺度下各高频子带系数中微弱缺陷信号的方差较大,显著缺陷信号的能量较大,而噪声和背景干扰信号的方差和能量均较小的差异,构造基于Shearlet高频分解系数方差和能量的综合高频缺陷识别算子,滤除高频子带中的噪声和背景干扰。最后,对修正后的分解系数进行逆NSST重构,得到背景均匀,磨削纹理和噪声干扰被充分抑制的高对比度图像,并采用自适应阈值分割方法提取出缺陷区域。实验结果表明,该方法的假阳性率、假阴性率和检测准确率分别达到8.8%、5.0%和93.1%;本文算法在MATLAB仿真平台中平均运行时间为0.629 s;相较于现有的磁瓦表面缺陷检测算法,该方法能够有效地去除不均匀背景、磨削纹理和噪声干扰,检测结果更加准确,鲁棒性更强。
- 杨成立殷鸣向召伟殷国富范奎
- 关键词：磁瓦图像去噪
- 基于非下采样Shearlet变换的磁瓦表面裂纹检测被引量：7
- 2017年
- 针对磁瓦表面裂纹缺陷图像背景不均匀、对比度低和存在纹理干扰等特点,提出了一种基于非下采样Shearlet变换(Nonsubsampled Shearlet transform,NSST)的裂纹检测方法。首先对原始图像进行多尺度、多方向NSST分解,得到一个低频子带和多个高频子带,然后利用各向异性扩散和改进的γ增强方法对高频子带进行滤波和增强;同时利用二维高斯函数对低频子带进行卷积操作来构造高斯多尺度空间,估计出图像的主要背景,并通过背景差法得到均匀的低频目标图像。最后通过重构NSST系数得到去噪和增强后的均匀目标图像,利用自适应阈值分割和区域连通法提取裂纹缺陷。实验结果表明,所提方法检测准确率达92.5%,优于基于形态学滤波方法、基于Curvelet变换方法和基于Shearlet变换方法等现有磁瓦表面裂纹检测方法。
- 杨成立殷鸣蒋红海向召伟殷国富
- 关键词：磁瓦各向异性扩散
- 基于小波变换的磁瓦表面缺陷检测方法研究被引量：9
- 2014年
- 针对磁瓦表面缺陷人工检测时存在效率低、稳定性差的问题,提出一种将小波变换应用于磁瓦表面缺陷检测的视觉检测方法。实验中对随机样品磁瓦和模板正品磁瓦进行相同的处理,对比两者处理过程中采集到的参数来判别实验磁瓦是否存在缺陷。先通过小波去噪处理图像,利用灰度直方图阈值提取图像并二值化,计算对比阈值提取区域匹配相似度;再用Canny边缘检测算法提取出阈值提取区域轮廓边缘,经过形态学操作,计算对比最大轮廓长度,最大轮廓面积和凸凹平均面积;最后通过设定提取特征的合格区间来判别磁瓦是否存在缺陷。实验结果显示,该算法对倒角不合格、偏磨、掉块和起层等缺陷的识别效果较好,可将磁瓦表面存在的显著缺陷准确地检测出来。
- 杨成立殷国富蒋红海李雪琴
- 关键词：磁瓦小波变换图像处理
- 基于改进的自适应中值滤波的磁瓦表面缺陷检测被引量：3
- 2014年
- 针对磁瓦表面缺陷人工检测中存在的不可靠、低效率等不足,提出了一种将改进的自适应中值滤波应用于磁瓦表面缺陷检测的视觉检测方法。算法的基本思想是将正品磁瓦图像和缺陷磁瓦图像进行相同的前期处理:改进的自适应中值滤波,灰度直方图阈值提取,数学形态学操作。对前期处理得到的两幅图像作减法,得到缺陷区域图像,提取缺陷区域的面积特征,然后应用Canny边缘检测算子检测出缺陷区域轮廓,再提取出缺陷区域轮廓周长特征。实验结果表明,通过设定面积特征和周长特征的合格区间能准确判别出磁瓦表面是否存在显著缺陷。
- 杨成立殷国富蒋红海李雪琴
- 关键词：磁瓦视觉检测中值滤波特征提取
