基于Phong模型的去光照算法及其在钢坯缺陷检测中的应用

摘要

在钢铁连铸坯内部缺陷检测评级中，由于环境限制及自身反光，采集的钢坯图像中普遍存在光照不均匀现象，主要表现为图像灰度的局部过亮或过暗。而缺陷分割提取与图像灰度有关，灰度的不均匀影响缺陷分割结果，造成评级的误判。故有必要对钢坯的光照问题进行处理，提高图像质量，方便缺陷提取，为后面的评级做准备。本文主要研究钢坯图像的去光照问题及中心偏析这类缺陷的自动评级。
　　首先，本文从光照不均匀图像的分类出发，重点对包含高光特征的钢坯图像缺陷分割不完整问题进行缺陷特征和光照分布的描述;采用经典的去光照算法对光照不均图像进行处理，从主观和客观评价两方面对结果分析，归纳总结适合每一类型的去光照方法。
　　其次，针对具有高光特征的钢坯图像去光照问题，提出基于Phong模型的背景模拟法。该方法通过建立光照物理反射几何模型，给出具体的背景光照模拟方案，利用背景减除法得到去光照的钢坯图像，应用阈值分割的方法，缺陷目标很容易就被分割出来，目标分割完整，减小了光照对图像的影响，并从主观和客观评价两个方面对去光照的钢坯图像进行分析。
　　最后，为了对中心偏析这类缺陷进行评级，提出基于BP神经网络的方法。该方法根据偏析缺陷评级标准的描述，采用基于中心包络线的缺陷特征向量作为神经网路的输入矢量，根据缺陷评判等级对网络输出进行二进制编码设计，设置合理的网络参数并对样本进行训练和偏析的评级，实验结果表明，该方法能够准确可靠的对偏析进行自动评级。

目录

声明

摘要

第1章 绪论

1．1 课题研究背景及意义

1．2 国内外研究现状

1．2．1 去光照算法的研究现状

1．2．2 钢坯缺陷评级的研究现状

1．3 本文主要研究内容

1．4 论文结构

第2章 一类高光不均匀图像的特征分析

2．1 光照不均匀图像分类

2．2 具有高光特征的钢坯缺陷图像分析

2．2．1 钢坯图像缺陷特点分析

2．2．2 钢坯图像二值化及其分析

2．2．3 钢坯图像光照分析

2．3 本章小结

第3章 现有几种典型去光照算法

3．1 直方图均衡化

3．2 顶帽变换

3．3 同态滤波法

3．4 几种算法对比分析

3．4．1 图像质量的评价标准

3．4．2 对低照度图像的去光照算法对比分析

3．4．3 对局部光照不足图像的去光照算法对比分析

3．4．4 对含高光图像的去光照对比分析

3．5 本章小结

第4章 基于Phong模型的去光照算法研究

4．1 Phong光照模型

4．2 基于漫反射模型的分析

4．2．1 漫反射系数的求解

4．2．2 基于漫反射的处理与分析

4．3 基于镜面反射模型的分析

4．3．1 镜面反射参数的确定

4．3．2 基于镜面反射的处理与分析

4．4 基于Phong模型的背景模拟

4．4．1 理论方法

4．4．2 实验结果及分析

4．5 方法推广

4．6 本章小结

第5章 基于BP神经网络的钢坯缺陷评级

5．1 中心偏析评级标准

5．2 基于图像处理的钢坯中心偏析特征描述

5．2．1 针对中心偏析缺陷提取的图像处理关键技术

5．2．2 针对中心偏析缺陷自动评级的图像特征描述

5．3 基于BP神经网络的中心偏析缺陷评级

5．3．1 BP神经网络概述

5．3．2 基于BP神经网络偏析缺陷评级算法

5．3．3 实验结果及分析

5．4 本章小结

第6章 结论与展望

6．1 总结

6．2 展望

致谢

参考文献

附录1 攻读硕士学位期间发表的论文

附录2 攻读硕士学位期间参加的科研项目