基于圖像識別的透鏡瑕疵檢測系統(tǒng)關鍵技術研究.pdf

1、透鏡表面疵病的存在嚴重影響著精密光學元器件的性能，快速準確的檢測出透鏡表面的疵病是保證透鏡生產質量的關鍵。融圖像處理、模式識別及計算機技術為一體的機器視覺檢測技術可以實現(xiàn)對透鏡表面疵病的高效檢測，有著廣泛的應用前景。本文以透鏡表面的劃痕、臟污及麻點等疵病為研究對象，對基于圖像識別的機器視覺檢測關鍵技術進行深入的分析學習，研究了基于圖像識別的透鏡表面疵病提取和量化的處理方案。
　　首先，為了能夠準確地對透鏡表面的劃痕、臟污及麻點進行

2、分割提取，對獲得的透鏡圖像首先進行增強處理，該過程主要包括對比度增強和圖像的去噪。針對傳統(tǒng)去噪方法破壞圖像邊緣的不足，改進了一種濾波算法，該方法對處于圖像不同區(qū)域的噪聲像素進行判別分類，根據(jù)所屬區(qū)域的不同采用相應的窗口模板進行處理，去除噪聲的同時有效保護了透鏡圖像邊緣和疵病的細節(jié)信息。其次，對常用的基于區(qū)域、邊緣及閾值的圖像分割算法進行分析研究，結合透鏡疵病的特點，對傳統(tǒng)的二維大津閾值分割算法判決閾值的生成方法進行了改進，很好的實現(xiàn)了對

3、透鏡疵病的分割。然后，采用基于幾何特征的圓區(qū)域檢測算法，去除透鏡邊框對疵病大小計算的干擾。對常用的幾種連通區(qū)域面積計算方法進行分析對比基礎之上，針對傳統(tǒng)疵病面積計算方法不適應于小目標區(qū)域的計算以及不易編程實現(xiàn)的不足，改進了一種基于數(shù)學形態(tài)學的像素掃描標號的小目標連通區(qū)域面積計算方法，并對該算法的性能進行了分析，實驗結果表明該算法在處理效果和時間上均能很好的滿足要求。最后，對人工神經網(wǎng)絡進行了介紹，采用BP神經網(wǎng)絡分類器，實現(xiàn)了對劃痕、麻