基于显著性判别的缺陷检测方法

计算机工程与科学

基于显著性判别的缺陷检测方法

周洲，黄茜，胡志辉

（华南理工大学电子与信息学院，广东广州 510640）

收稿日期:2017-11-21 修回日期:2018-05-29 出版日期:2018-12-25 发布日期:2018-12-25
基金资助:
国家自然科学基金(61271314);广东省科技计划项目（2014A050503022）;广州市科技计划重点项目（201704030062）

A defect detection method

based on saliency discrimination

ZHOU Zhou,HAUNG Qian,HU Zhihui

(School of Electronic and Information Engineering,South China University of Technology,Guangzhou 510640,China)

Received:2017-11-21 Revised:2018-05-29 Online:2018-12-25 Published:2018-12-25

摘要/Abstract

摘要：

X射线成像存在噪声大、半影现象及散射等问题，使所得缺陷图像边缘模糊，背景灰度变化不均匀，严重影响了缺陷的识别准确率。提出了一种由LoG边缘检测和局部对比度筛选进行显著性判别的缺陷检测方法，在基于LoG边缘检测的双阈值进行显著性边缘检测的基础上，通过各向同性扩散方法求取待定缺陷的局部背景，利用待定缺陷和局部背景之间对比度的显著性设置第三个阈值进行进一步判断，从而去除假缺陷，使缺陷能够被准确地提取出来，并可以同时确定缺陷的轮廓和面积。实验结果表明，该方法对缺陷识别的准确度较高，并可以用于在线的实时检测系统中。

关键词: 边缘检测, 对比度, 显著度, 缺陷检测

Abstract:

X ray imaging has many problems such as noise, penumbra and scattering, which results in blurred edge of the image and the uneven background gray level and seriously affects the accuracy of defect identification. We propose a new defect detection method for Xray images based on LoG edge detection and local contrast to carry out saliency discrimination. On the basis of the salient edge detection based on the double thresholds of LoG edge detection, the local background of undetermined defects is obtained by the isotropic diffusion method. We also set a third threshold by utilizing the contrast saliency between undetermined defects and the local background to remove the false defects, so that the defects can be accurately extracted and the contour and area of defects can be determined at the same time. Experimental results show that the algorithm has high accuracy for defect identification and can be used for online real-time detection systems.

Key words: edge detection, contrast, salience, defect detection

周洲，黄茜，胡志辉. 基于显著性判别的缺陷检测方法[J]. 计算机工程与科学.

ZHOU Zhou,HAUNG Qian,HU Zhihui.

A defect detection method

based on saliency discrimination

[J]. Computer Engineering & Science.

[1]	赵玥, 肖梦燕, 邱宝军, 罗军, 王小强, 罗道军. 基于机器视觉的集成电路声扫图像缺陷检测软件设计[J]. 计算机工程与科学, 2023, 45(10): 1806-1813.
[2]	吴栋梁, 刘知贵, . 基于轻量化YOLOX的电子元器件缺陷检测方法研究[J]. 计算机工程与科学, 2023, 45(08): 1463-1471.
[3]	王晓琦, 赵宣植, 刘增力, . 基于多尺度小波和Tsallis熵的水下图像边缘检测[J]. 计算机工程与科学, 2023, 45(07): 1245-1252.
[4]	王杨, 隆海燕, 贾曦然, . 基于人眼色彩差异化感知的图像质量评价研究[J]. 计算机工程与科学, 2023, 45(02): 295-303.
[5]	李忠瑞, 崔宾阁, 杨光, 张昊卿. 基于深度学习的海岸线边缘检测网络模型[J]. 计算机工程与科学, 2022, 44(12): 2220-2229.
[6]	徐琨, 赵启雯, 徐源, 柳有权. 基于边缘检测的快速纸张检测方法[J]. 计算机工程与科学, 2022, 44(10): 1795-1803.
[7]	李凯, 张永生, 童晓冲, 李峰. 基于各向异性和边缘强度修正因子的边缘检测算法[J]. 计算机工程与科学, 2021, 43(07): 1256-1263.
[8]	赵月, 王来花, 齐苏敏, 王伟胜, 刘晨. 基于全局和局部特征的无参考夜间图像质量评价[J]. 计算机工程与科学, 2021, 43(07): 1283-1290.
[9]	张贵仓, 苏金凤, 拓明秀. DTCWT域的红外与可见光图像融合算法[J]. 计算机工程与科学, 2020, 42(07): 1226-1233.
[10]	马美荣，李东喜. 基于RetinaNet的手机主板缺陷检测研究[J]. 计算机工程与科学, 2020, 42(04): 673-682.
[11]	严春满，郝有菲，张迪，陈佳辉. 混合特征下最优阈值预测的图像匹配[J]. 计算机工程与科学, 2019, 41(10): 1803-1808.
[12]	郭伟，董宏亮，赵德冀. 基于截断奇异值低秩矩阵恢复的Canny边缘检测算法[J]. 计算机工程与科学, 2018, 40(09): 1670-1678.
[13]	郭伟，董宏亮，石尚. 基于多尺度自适应扩散方程的边缘检测方法[J]. 计算机工程与科学, 2018, 40(05): 863-871.
[14]	魏伟一,朱强军. 基于小波对比度和模函数的安全密写算法[J]. 计算机工程与科学, 2017, 39(09): 1653-1656.
[15]	陈英杰，陈振邦，董威. 基于性质制导符号执行的Linux驱动程序缺陷检测研究[J]. 计算机工程与科学, 2017, 39(04): 734-739.