基于多因子复杂度的结构误检区域排除算法

在检测金属工件表面细微缺陷过程中,往往将工件的某些结构区域图形误检为缺陷。提出了一种基于多因子复杂度的结构误检区域排除算法;该算法先计算经过卷积神经网络检测之后框选的区域图像的复杂度,即综合计算信息熵,纹理特征及边缘比率的复杂度。根据实验设定合理的复杂度阈值,排除结构误检区域,保留真实缺陷。算法克服了卷积神经网络检测结果中存在一些结构区域的缺点,能够有效去除结构误检区域,并保留非误检区域,有较高的准确率,且计算速度能够达到工业流水线的实时性要求,具有实用价值。

改进的基于灰度变化的角点检测算法

角点是图像目标的重要的局部特征,角点检测是低层次图像处理的一个重要方法。本文提出了一种改进的基于灰度变化的角点检测算法。灰度差阈值决定了SUSAN算子所能检测到的最小的对比度以及抗噪性能,本文采用自适应阈值方法代替传统的手工确定阈值法,并针对误检的问题,提出了相应的排除方法。实验结果表明该改进方法比传统方法具有更好的实时性和可靠性。