基于阈值分割的铸件缺陷提取

【摘要】： 由于生产工艺存在不完善之处,导致了一些铸件达不到技术要求,因此铸件质量的检测至关重要。X射线检测系统与数字图像处理技术相结合可以实现缺陷的自动检测和分类,并使检测结果的评定过程客观化、科学化和规范化。X射线图像中的缺陷提取是数字图像处理技术的关键步骤,它直接影响到特征提取和缺陷分类的准确性。针对这一应用背景,并且考虑到铸件X射线图像具有对比度低、缺陷边缘模糊等缺点,论文提出了两种阈值分割方法来提取铸件X射线图像中的三种典型缺陷:气孔、缩孔和杂质。 通过先验知识的约束,属性直方图能够舍弃传统直方图中一些干扰成分或具体问题不关心的成分,它增强了算法的抗干扰性,且可以使一些分割方法变得简单和灵活,是本文研究的基础。首先提出了基于属性直方图的模糊指数熵阈值分割新方法,该方法改善了信息熵定义在图像分割应用中的不足。考虑到图像处理中存在很多模糊信息,首先利用参数化的隶属度函数将图像模糊化,然后给出模糊2-划分指数熵的定义,最后通过最大化属性直方图中目标和背景分布的模糊指数熵来选择最佳阈值。 其次,为了克服最大熵分割方法中涉及太多对数运算的缺点,且同时考虑图像的灰度信息和空间邻域信息,提出了二维属性直方图的最大相关性准则阈值分割新方法。该方法通过最大化图像的二维属性直方图中目标和背景分布的相关量来选择阈值向量,同时,为了减少计算时间,给出了该方法的递推算法。 应用两种阈值分割新方法分割出铸件X射线图像中的缺陷。由于充分利用了属性直方图的抗干扰性和使用灵活的优点,铸件X射线图像中的缺陷分割准确性得到提高。