集成视觉显著性和群决策的航空零件孔特征检测

为了实现复杂环境下航空零件孔特征的高效高精度检测,提出了一种集成视觉显著性和群决策的检测方法。在经典FT显著性检测算法中引入图像增强步骤,并为每个像素赋予以最大显著区域中心为参考的权重,使用改进后的方法对图像进行孔区域分割。设计具有多尺度多结构元素的新型数学形态学边缘检测算法,结合轮廓细化算法对孔区域进行轮廓提取。最后,利用Meanshift算法寻找轮廓点的圆心位置,建立新的基于群决策的圆半径计算模型,获得孔特征的关键几何参数。结果表明:改进的视觉显著性特征检测算法能够生成更加突显孔特征的全分辨率显著图;新型数学形态学边缘检测算法能获得简化且可靠的轮廓点;该方法在不均匀光照、各类孔缺陷和孔内壁干扰等条件下均显示出较好的稳定性;即使在噪声密度高达30%时仍能成功完成孔检测,且圆心坐标和半径的误差均小于0.012 mm;平均检测时间仅为0.236 s。该方法能够在复杂环境下对航空零件孔特征进行准确、稳定的检测。