基于上下文的透明薄膜缺陷顯著性檢測(cè).pdf

1、隨著科學(xué)技術(shù)的發(fā)展和大數(shù)據(jù)時(shí)代的到來，含有大量信息數(shù)據(jù)的圖像不斷涌現(xiàn)，如何準(zhǔn)確識(shí)別圖像并利用數(shù)據(jù)中的顯著部分進(jìn)行檢測(cè)就變得越來越重要。圖像顯著性檢測(cè)的出現(xiàn)解決了這種問題。圖像顯著性檢測(cè)的目的是檢測(cè)出圖像中的定點(diǎn)或者是突出物體，是最能引起人們視覺關(guān)注的區(qū)域。顯著性檢測(cè)模擬人類視覺系統(tǒng)，人類視覺系統(tǒng)通過人眼觀察圖像，大腦分析，做出反應(yīng)，人類對(duì)復(fù)雜環(huán)境的反應(yīng)高效.計(jì)算機(jī)視覺系統(tǒng)無法超越人類，但是能夠持續(xù)工作，針對(duì)工業(yè)上環(huán)境變化不大，計(jì)算機(jī)視覺

2、系統(tǒng)優(yōu)勢(shì)明顯。
　　目前工業(yè)透明薄膜包裝的檢測(cè)主要是依靠目力，容易出現(xiàn)標(biāo)準(zhǔn)不統(tǒng)一、檢測(cè)效率低下、勞動(dòng)強(qiáng)度大的缺陷。而采用簡(jiǎn)單的圖像分割和特征提取對(duì)工業(yè)透明塑料薄膜的破損情況進(jìn)行檢測(cè)時(shí)，效果不是那么理想。為了解決這個(gè)問題，本文提出了一種利用顯著性的特點(diǎn)快速精確地檢測(cè)透明塑料薄膜缺陷的方法。具體內(nèi)容和創(chuàng)新點(diǎn)如下：
　　1)首先對(duì)拍攝的圖像進(jìn)行點(diǎn)Hough變換（PHT)。為了能夠精確地提取出目標(biāo)區(qū)域，采用了改進(jìn)的霍夫變換——點(diǎn)霍夫

3、變換。然后將 PHT變換的圖像進(jìn)行超像素的分割，本文采用了兩種超像素分割的方法，一種是基于梯度下降的SLIC分割算法，一種是基于圖論的Graph-based分割算法。對(duì)SLIC超像素分割的圖像，利用BP神經(jīng)網(wǎng)絡(luò)算法對(duì)分割后的超像素塊進(jìn)行分類，對(duì)Graph-based超像素分割的圖像利用改進(jìn)的基于上下文的顯著性檢測(cè)算法對(duì)超像素塊進(jìn)行顯著性檢測(cè)。
　　2)比較了兩種方法的優(yōu)缺點(diǎn)及本文為什么選擇利用基于改進(jìn)的上下文的顯著性檢測(cè)。顯著性檢

4、測(cè)后的圖片，由于其形狀特征明顯，提取12個(gè)形狀特征，利用主成分分析法對(duì)這些特征進(jìn)行主成分分析，最后采用基于二叉樹的多分類SVM對(duì)塑料薄膜的缺陷進(jìn)行分類，最終實(shí)現(xiàn)缺陷的實(shí)時(shí)顯示和缺陷的自動(dòng)分類和統(tǒng)計(jì)，最終方便用戶進(jìn)行歷史查詢，與實(shí)際缺陷產(chǎn)品進(jìn)行對(duì)照，方便客戶操作。
　　3)將利用改進(jìn)的基于上下文的顯著性檢測(cè)方法和圖像分割、邊緣提取、神經(jīng)網(wǎng)絡(luò)和其他顯著性檢測(cè)法方法進(jìn)行比較。實(shí)驗(yàn)結(jié)果表明，本文提取的方法能夠很好地檢測(cè)薄膜包裝的破損情況。