一种基于视觉的图像缺陷检测与修复算法研究

摘要

缺陷检测是生产扩大化产生的一项质量检测技术，该技术以机器代替人工，检测大批量产品的质量。其检测过程确定了统一的标准，克服了人眼检测的多种缺陷，极大的提高了检测的效率和质量。根据检测深度的不同，缺陷检测技术分为两个方面:即以超声波和涡流技术为代表的物品内部裂纹伤痕的检测和以计算机视觉技术作为依托的表面缺陷检测。
　　 在国外，表面缺陷检测已经被应用到了食品，纺织物，PCB板等多种物品的检测中，国内虽起步稍晚但也已经被应用到了许多方面。在越来越丰富多元的市场条件下，表面缺陷检测有着广泛的应用前景，因此本文针对表面缺陷检测中的图像检测做了一定研究。现下，如何节约成本，即如何用简单的设备快速准确的检测出物品表面的缺陷仍是研究的重点。在检测系统中，摄像设备所采集到的图像对于检测结果有着直接的影响，因此，缺陷检测中的图像处理技术也是研究的重点。
　　 字画等图像类物品的缺陷检测属于表面缺陷检测的一部分，针对这一类物品，单单用检测系统检测出其是否含有缺陷是不够的。钢板，螺丝等物品，被判定含有瑕疵的部分会送回生产车间重新锻造，而字画等检测出缺陷时，生产者更希望能够将其修复，这样才能使其利益最大化。缺陷检测技术不仅可以检测字画上的缺失信息，当客户对生产出来的字画上的某一部分不满意要求去除时，也需要用到缺陷检测技术，此时检测到的缺陷即客户不满意的部分，该部分内容根据字画中的其他部分填补。无论是对图像上存在的缺陷修复还是对不满意部分的移除，都需要用到图像修复技术。
　　 论文以变分模型为基础，研究了图像缺陷检测中的图像处理问题以及检测出的缺陷的修复问题，主要内容和研究成果如下:
　　 1.介绍了摄像头成像的坐标系转化关系，给出了摄像头标定的实验过程和标定参数，分析了缺陷检测的原理，实现了图像缺陷检测的功能，给出了检测实验结果。
　　 2.提出了一种基于变分分解(BV-G)模型和图像模糊集的增强算法。首先对需要增强的图像做预处理，然后对预处理之后的图像做BV-G分解，得到图像的结构子图和纹理子图。最后，用不同的模糊因子分别对结构子图和纹理子图做增强操作，合并增强之后的结构子图和纹理子图作为图像的增强结果。实验结果表明，该算法能够取得很好的增强结果。
　　 3.提出了一种基于可强化细节的直方图以及全变分模型的图像修复算法。该算法利用特定的直方图均衡化强化图像细节，然后根据图像的掩模图确定图像缺陷区域，最后，用全变分模型修复图像后对标定的缺陷区域做形态学运算。文中给出了实验数据和实验图像，结果表明，该算法能够解决全变分模型修复图像时产生的视觉不连通问题，提高图像质量。

目录

声明

摘要

第一章 绪论

1．1 研究背景与选题意义

1．2 国内外研究现状

1．2．1 缺陷检测研究现状

1．2．2 图像修复研究现状

1．3 论文主要内容

1．4 论文组织结构

第二章 缺陷检测与图像修复理论

2．1 缺陷检测与图像修复概述

2．1．1 缺陷检测

2．1．2 图像修复

2．2 缺陷检测中的图像处理算法

2．2．1 图像校正

2．2．2 图像去噪

2．2．3 图像增强

2．3 几种图像修复算法

2．3．1 纹理合成法

2．3．2 快速行进修复法

2．3．3 改进的双线性插值修复法

2．4 本章小结

第三章 基于计算机视觉的图像缺陷检测

3．1 摄像头成像

3．1．1 标定法分类

3．1．2 坐标系

3．2 摄像头标定

3．2．1 实验步骤

3．2．2 实验结果及分析

3．3 缺陷检测

3．3．1 模板匹配

3．3．2 实验步骤

3．3．3 实验结果及分析

3．4 本章小结

第四章 变分分解模型的模糊增强算法

4．1 引言

4．2 BV-G模型

4．3 基于BV-G模型的模糊增强算法

4．3．1 图像分解

4．3．2 自适应阈值模糊增强

4．3．3 算法步骤

4．4 实验结果及分析

4．5 本章小结

第五章 自适应直方图均衡化改进的全变分图像修复

5．1 引言

5．2 全变分(TV)模型

5．3 本章算法描述

5．3．1 强化细节的直方图均衡化

5．3．2 全变分(TV)变换

5．3．3 形态学运算

5．3．4 算法步骤

5．4 实验结果及分析

5．5 本章小结

第六章 总结与展望

6．1 本文总结

6．2 本文展望

参考文献

硕士期间发表的论文

硕士期间参加的科研项目

致谢