基于閾值分割的鑄件缺陷提取.pdf

1、由于生產(chǎn)工藝存在不完善之處，導(dǎo)致了一些鑄件達(dá)不到技術(shù)要求，因此鑄件質(zhì)量的檢測(cè)至關(guān)重要。X射線檢測(cè)系統(tǒng)與數(shù)字圖像處理技術(shù)相結(jié)合可以實(shí)現(xiàn)缺陷的自動(dòng)檢測(cè)和分類，并使檢測(cè)結(jié)果的評(píng)定過(guò)程客觀化、科學(xué)化和規(guī)范化。X射線圖像中的缺陷提取是數(shù)字圖像處理技術(shù)的關(guān)鍵步驟，它直接影響到特征提取和缺陷分類的準(zhǔn)確性。針對(duì)這一應(yīng)用背景，并且考慮到鑄件X射線圖像具有對(duì)比度低、缺陷邊緣模糊等缺點(diǎn)，論文提出了兩種閾值分割方法來(lái)提取鑄件X射線圖像中的三種典型缺陷：氣孔、縮

2、孔和雜質(zhì)。
　　通過(guò)先驗(yàn)知識(shí)的約束，屬性直方圖能夠舍棄傳統(tǒng)直方圖中一些干擾成分或具體問(wèn)題不關(guān)心的成分，它增強(qiáng)了算法的抗干擾性，且可以使一些分割方法變得簡(jiǎn)單和靈活，是本文研究的基礎(chǔ)。首先提出了基于屬性直方圖的模糊指數(shù)熵閾值分割新方法，該方法改善了信息熵定義在圖像分割應(yīng)用中的不足?？紤]到圖像處理中存在很多模糊信息，首先利用參數(shù)化的隸屬度函數(shù)將圖像模糊化，然后給出模糊2-劃分指數(shù)熵的定義，最后通過(guò)最大化屬性直方圖中目標(biāo)和背景分布的模糊指

3、數(shù)熵來(lái)選擇最佳閾值。
　　其次，為了克服最大熵分割方法中涉及太多對(duì)數(shù)運(yùn)算的缺點(diǎn)，且同時(shí)考慮圖像的灰度信息和空間鄰域信息，提出了二維屬性直方圖的最大相關(guān)性準(zhǔn)則閾值分割新方法。該方法通過(guò)最大化圖像的二維屬性直方圖中目標(biāo)和背景分布的相關(guān)量來(lái)選擇閾值向量，同時(shí)，為了減少計(jì)算時(shí)間，給出了該方法的遞推算法。
　　應(yīng)用兩種閾值分割新方法分割出鑄件X射線圖像中的缺陷。由于充分利用了屬性直方圖的抗干擾性和使用靈活的優(yōu)點(diǎn)，鑄件X射線圖像中的缺陷