基于非下采样Shearlet变换的磁瓦表面缺陷检测

• 作者: 向召伟 杨成立 殷国富 殷鸣 范奎
• 来源期刊: 工程科学与技术
• 学科: 工学
• 关键词: 磁瓦 非下采样Shearlet变换 自适应阈值面 图像去噪 缺陷检测
• 年，卷（期）: 2017,（2）
• 所属期刊栏目: 机械工程
• 页码范围: 217-224
• 页数: 8页
• 分类号: TP391
• 字数: 4217字
• 语种: 中文
• DOI: 10.15961/j.jsuese.201600704

摘要

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.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	殷国富	四川大学制造科学与工程学院	617	5927	35.0	50.0
2	殷鸣	四川大学制造科学与工程学院	41	144	7.0	10.0
3	向召伟	四川大学制造科学与工程学院	11	38	4.0	5.0
4	范奎	四川大学制造科学与工程学院	2	4	1.0	2.0
5	杨成立	四川大学制造科学与工程学院	4	23	3.0	4.0