定制网站制作,弹窗广告最多的网站,wordpress全功能主题,南宁市网站建设哪家好内容:提出一种基于视觉显著性注意机制的超像素自适应检测方法#xff1b; 设计视觉显著性注意机制滤波器用于粗略定位出缺陷空间范围#xff0c;结合超像素分块图像分割方法消除光照不均匀引起的噪声干扰#xff0c;有效地完成缺陷区域的边界分割和实时特征提取 设计视觉显著性注意机制滤波器用于粗略定位出缺陷空间范围结合超像素分块图像分割方法消除光照不均匀引起的噪声干扰有效地完成缺陷区域的边界分割和实时特征提取实现轮毂缺陷空间坐标的精确定位
过程
首先采 用同态滤波器对缺陷图像进行预处理去除环境光污染噪声引起的图像亮度分布不均匀问题构建轮毂表面缺陷图像的谱残差视觉注意模型采用超像素分割算法对缺陷显著性图像进行自适应阈值分割标记出高铁轮毂表面缺陷的二维空间位置实现轮毂表面缺陷的边界检测和形态估计视觉注意机制的谱残差模型 ~基于频域分析为基础将图像信息分为冗余信息和变化信息两部分冗余信息为不变的背景信息变化信息为需要保留的变化的缺陷信息图像数据可以分成两部分:F( image) F1 F2;其中 F1 为冗余部分F2为变化部分。图像数据的幅度谱曲线具有冗余信息不变的特征去除冗余信息就可以得到变化的缺陷信息。
1构建log谱函数 给定一幅图像 f( xy) 根据式( 1) 计算图像的二维离散傅里叶变换变换后的图像由包含背景信 息的低频分量和包含缺陷信息的高频分量组成log谱具有线性收敛的特性根据式( 2) 式( 4) 构建 log 谱函数 2 对log谱进行滤波 由于 log谱线具有局部相似性条件构建一个均值滤波器对 lg 谱进行滤波对 lg 谱滤波公式如式( 6) 所示其中* 为卷积符号h 是一个n* n 的均值滤波器n 选取过小容易导致高铁轮毂缺陷 图像的漏检n 选取过大又会引入过多噪声引起误 检测。在实验中 n 为 5 时取得较好的效果。谱残差的视觉显著图如式( 7) 所示。 3提取缺陷信息 基于谱线中的奇异点为缺陷图像的显著性区域高铁轮毂图像的谱残差公式为式( 7) 基于谱残差和相位谱做离散傅里叶反变换得到缺陷显著图 式( 8) 中得到的谱残差对应于图像的缺陷纹理区域背景信息被有效地过滤掉可以准确提取出变化的缺陷的信息。 实验结果表明视觉显著性超像素检测算法能够抑制背景噪声的干扰在分区域的图像分割过程中准 确判断出背景的刀纹噪声信息完整保留了缺陷区域 的特征信息具有准确的检测效率 超像素分割——SLIC 基于谱残差模型的自适应超像素图像分割算法
基本思想增加缺陷区域的加权系数减少背景图像的像素点加权系数
假设输入图像为 g( xy) 运用超像素分割算法将图像分割成 N 个图像块分割后的图像标记为 G { G1G2…GN}其中图像块数量为 N分割后的图像按照左上角到右下角的顺序依次排序Gi ( i ∈1N) 代表第 i 个区域范围内的所有像素点。
在超像素分割后的区域图像块 Gi 中设置Gi 中的区域图像块为 F定义图像块方差为下面公式。其中 fi 为像素 j 点的灰度构建图像块中的方差阈值 T大于阈值T的图像块包含缺陷信息进行自适应阈值分割小于阈值T的图像块则默认为背景区域不进行处理。 因此基于谱残差的自适应超像素图像分割算法的计算步骤如下
计算图像的视觉显著图以步长 S 初始化超像素分割的中心点 Ck lkxkyk T 遍历操作图像分割块设置为 200超像素 图像分割。 在超像素分割的每一个 Ck 内计算方差 Var( F) 如果方差大于阈值 T则认为该区域内有 缺陷信息在 fi 和 c 之间计算 d( fi ) 。更新权系数 ω( fj ) 自适应分割缺陷区域内的特征信息自适应超像素分割结果与视觉显著图进行数据融合标记出缺陷位置。
实验结果表明基于超像素分割算法分割出图像块依据图像块内部的方差判断是否需要进行自适应精细分割相比传统的人工检测该方法能够解决人工检测过程中由于疲劳和心理波动等客观人为因素造成的误检测和漏检测问题具有准确快速的特点
