基于變分PDE的單板缺陷圖像檢測及修補關(guān)鍵技術(shù)研究.pdf_第1頁
已閱讀1頁,還剩144頁未讀, 繼續(xù)免費閱讀

下載本文檔

版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請進行舉報或認領(lǐng)

文檔簡介

1、單板質(zhì)量好壞直接影響了用單板制成的人造板材的強度及表面質(zhì)量和等級,為了提高單板的等級和木材的利用率,目前通常采用人工對單板進行缺陷檢測及缺陷挖切修補,自動化水平低,勞動強度大、生產(chǎn)效率低,嚴(yán)重影響了經(jīng)濟效益,增加了生產(chǎn)成本。將機器視覺和機器人技術(shù)引入生產(chǎn),將可以有效地克服人工檢測修補所帶來的缺點,對于提高我國人造板行業(yè)自動化水平起到很好的推進作用,具有重要的學(xué)術(shù)意義和應(yīng)用價值。本文基于變分和偏微分方程(PDE)的圖像處理、圖像修復(fù)技術(shù)及

2、機器人技術(shù),結(jié)合單板的特點,對單板表面的缺陷進行有效識別和修復(fù),形成一種單板節(jié)子的快速檢測、缺陷挖切和修補方法。論文主要研究內(nèi)容與工作如下:
   本文主要對C-V模型進行了改進,解決了C-V模型在多目標(biāo)分割以及復(fù)雜背景情況表示上的局限,以適應(yīng)單板缺陷圖像的多目標(biāo)分割。首先,將背景填充技術(shù)與改進C-V模型及AOS半隱式方法相結(jié)合,提出了基于AOS格式的多相改進C-V模型及背景填充耦合的單板缺陷分割算法,解決了單板缺陷圖像、木材缺

3、陷圖像的多目標(biāo)自動分割問題。第二,由于現(xiàn)有的圖像采集系統(tǒng)所獲取的多為矢量或彩色圖像,針對單板矢量或彩色圖像缺陷分割問題,提出了基于AOS的多相改進矢量C-V模型及背景填充的單板缺陷矢量圖像分割方法,將單板矢量圖像作為一個整體圖像進行處理,實現(xiàn)了單板缺陷彩色圖像的多目標(biāo)分割問題。第三,針對帶紋理單板缺陷彩色圖像,結(jié)合多通道Gabor濾波器、改進矢量C-V模型,提出了多相改進矢量CVV模型與Gabor濾波器的單板缺陷彩色圖像分割方法,解決了

4、帶紋理單板缺陷矢量圖像的多目標(biāo)識別問題,得到了識別結(jié)果與原圖像相同的分割圖像,并可生成單板缺陷修補的彩色掩膜圖像。
   針對各種形狀的單板節(jié)子缺陷,特別是帶有凹形區(qū)域的節(jié)子,以及單板節(jié)子缺陷目標(biāo)和背景顏色相近、邊緣不清晰等造成缺陷識別困難的多目標(biāo)識別問題,本文結(jié)合了基于邊緣的活動輪廓模型和基于區(qū)域的活動輪廓模型,提出了一種基于全局最優(yōu)的活動輪廓模型的多目標(biāo)檢測方法,通過利用對偶形式的數(shù)值計算方法,減小了計算量,提高了分割速度,

5、實現(xiàn)了對復(fù)雜紋理背景下的單板多節(jié)子目標(biāo)的有效檢測。
   針對含有較豐富紋理的單板缺陷圖像,本文采用了變分偏微分方程的圖像分解方法進行單板缺陷檢測,首先,在ROF模型的基礎(chǔ)上,結(jié)合高階導(dǎo)數(shù)的圖像分解模型,提出了一種消除階梯效應(yīng)的單板缺陷圖像分解模型,運用半二次規(guī)整化方法求解該模型,得到了分解單板缺陷圖像的有效方法,保護了結(jié)構(gòu)圖像的邊緣,更好的提取紋理特征。其次,結(jié)合AAFC模型與TV正則項一般式,提出了一種聯(lián)合圖像結(jié)構(gòu).紋理分解

6、和邊緣檢測耦合的圖像分解模型。實現(xiàn)了在進行單板缺陷圖像結(jié)構(gòu).紋理部分分解的同時,又得到了較好的單板缺陷邊緣檢測結(jié)果。
   為了將圖像修復(fù)理論、方法應(yīng)用于單板表面節(jié)子缺陷圖像的自動修補中。提出了一種BSCB改進算法,使其在非紋理單板節(jié)子圖像修復(fù)上得到了比較好的效果。針對單板節(jié)子區(qū)域較大、節(jié)子周圍紋理比較復(fù)雜的情況,又提出了將BSCB改進算法與基于樣本塊的圖像修復(fù)算法相耦合的單板缺陷圖像修復(fù)新方法,實現(xiàn)了對單板節(jié)子缺陷圖像的修復(fù),

7、達到較好的修復(fù)效果。針對單一圖像修復(fù)方法的局限性,提出了一種基于圖像分解的單板缺陷圖像修復(fù)方法。首先,改進了VO模型實現(xiàn)了對單板缺陷彩色圖像的有效分解,得到了單板缺陷圖像的結(jié)構(gòu)部分與紋理部分;然后,采用BSCB改進算法,對單板缺陷圖像結(jié)構(gòu)部分進行修復(fù);采用基于樣本的Criminisi算法對紋理部分進行修復(fù);最后,將修復(fù)好的圖像疊加合成,達到比較好的修復(fù)效果。
   最后,提出了基于機器視覺的機器人單板缺陷檢測修補系統(tǒng)的設(shè)計方案,

溫馨提示

  • 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
  • 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負責(zé)。
  • 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請與我們聯(lián)系,我們立即糾正。
  • 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時也不承擔(dān)用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

評論

0/150

提交評論