一种新的金属腐蚀缺陷图像识别算法

为从大量X光图像中找出含有金属腐蚀缺陷的图像,提出一种新的X光图像识别算法。对待测的X光图像建立灰度梯度共生矩阵(GLCM),依据人们对腐蚀图像的直观印象,从GLCM中提取出5种特征参数构建特征向量。将特征向量转化为特征Vague集,并将其与目标Vague集进行相似性度量,从而实现金属腐蚀缺陷图像的识别。实验结果证明,相比BP神经网络和单Bayes分类器,该算法具有更高的识别准确率。

金属腐蚀区域图像增强算法研究

针对金属腐蚀区域图像中存在暗细节对比度不高、光照不均匀及颜色特征需保护的问题,提出一种在HSI模型下的多尺度细节自适应增强与同态滤波的增强算法。首先,对RGB腐蚀图像进行色彩空间变换,保留其中的色调和饱和度分量不变,对亮度分量进行增强。然后,通过小波变换进行多尺度细节自适应增强,提升细节对比度并作分块同态滤波,改善光照不均的影响,获得增强后的腐蚀图像。实验结果表明,所提方法增加了腐蚀暗细节的对比度,提高了金属腐蚀区域图像的整体亮度并保证了色彩信息的不失真。

改进同态滤波与多尺度融合的腐蚀图像增强

为了能够更好地判断金属腐蚀图像的腐蚀程度,针对腐蚀图像存在的亮度不高、对比度低和细节模糊等问题,提出一种改进的同态滤波与多尺度融合的腐蚀图像增强方法。首先,采用引导滤波将原始腐蚀图像分为基础图像和细节图像后加权融合,获得细节对比度增强图像;其次将原始腐蚀图像转换为HSV颜色空间,对亮度分量采用改进后的单参数分块同态滤波得到亮度增强图像,能够在减少同态滤波参数的同时,改善同态滤波亮度过度增强的现象;最后利用拉普拉斯对比度、显著性和饱和度3个权重对处理后具有优势特征的两幅图像进行多尺度融合,得到最终的增强图像。实验结果表明,本文算法的信息熵、均值、平均梯度以及标准差的平均值相较于原图分别提升了7.4%、9.8%、43.34%和29.8%,其中信息熵、平均梯度以及标准差的平均值均优于其余3种算法;本文算法能有效改善腐蚀图像整体亮度,提升暗细节对比度,提高图像质量。