基于Phong模型的去光照算法及其在钢坯缺陷检测中的应用

发布时间：2020-05-18 12:39

【摘要】：在钢铁连铸坯内部缺陷检测评级中,由于环境限制及自身反光,采集的钢坯图像中普遍存在光照不均匀现象,主要表现为图像灰度的局部过亮或过暗。而缺陷分割提取与图像灰度有关,灰度的不均匀影响缺陷分割结果,造成评级的误判。故有必要对钢坯的光照问题进行处理,提高图像质量,方便缺陷提取,为后面的评级做准备。本文主要研究钢坯图像的去光照问题及中心偏析这类缺陷的自动评级。首先,本文从光照不均匀图像的分类出发,重点对包含高光特征的钢坯图像缺陷分割不完整问题进行缺陷特征和光照分布的描述;采用经典的去光照算法对光照不均图像进行处理,从主观和客观评价两方面对结果分析,归纳总结适合每一类型的去光照方法。其次,针对具有高光特征的钢坯图像去光照问题,提出基于Phong模型的背景模拟法。该方法通过建立光照物理反射几何模型,给出具体的背景光照模拟方案,利用背景减除法得到去光照的钢坯图像,应用阈值分割的方法,缺陷目标很容易就被分割出来,目标分割完整,减小了光照对图像的影响,并从主观和客观评价两个方面对去光照的钢坯图像进行分析。最后,为了对中心偏析这类缺陷进行评级,提出基于BP神经网络的方法。该方法根据偏析缺陷评级标准的描述,采用基于中心包络线的缺陷特征向量作为神经网路的输入矢量,根据缺陷评判等级对网络输出进行二进制编码设计,设置合理的网络参数并对样本进行训练和偏析的评级,实验结果表明,该方法能够准确可靠的对偏析进行自动评级。
【图文】：

钢坯,原图,缺陷,椒盐

噫闹芷鄊档姆植继氐悖嚆毕菽勘晡⑷酰囡谕枷裰姓急刃。噌浠叶扔氡尘盎叶冉咏惝噔釰侄炔淮蟆Ｍ?2.2 带缺陷的钢坯原图2.2.2 钢坯图像二值化及其分析因图像中存在高光，不仅影响了图像的整体质量和视觉效果，还引入了背景噪声，造成图像数据运算量增大等问题。为去除噪声影响，先进行滤波去噪处理。在钢坯图像中，背景存在细小的颗粒点，为“椒盐”噪声，，缺陷属于弱目标，在图中仅为一条黑色条带，很容易被滤除掉。而中值滤波[24]对“椒盐”噪声有较好

钢坯,图像二值化,算法分类,灰度范围

T1]的灰度范围内进行第二次 Otsu 算法得到 T，即在su 算法分类，此时能够准确将背景与目标区分。利用这种对钢坯图像进行二值化，其结果如图 2.3。
【学位授予单位】：武汉科技大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：TF777;TP391.41

【相似文献】