基于区域生长的金属超声图像缺陷检测

针对超声成像图像中受噪声等因素的影响导致金属零件缺陷识别的精度下降的问题,提出一种改进的区域生长算法的金属超声图像缺陷检测方法。首先进行基于注意力机制的初始种子选择;其次基于聚类的图像灰度均值实现种子区域生长准则;再运用基于区域灰度梯度的改进合并准则完成对金属超声图像的背景去除和缺陷的识别。对于传统的区域生长算法而言,此算法可减少种子的初始选取的影响,且不会出现分割空洞。对比Otsu(最大类间方差)阈值分割法、聚类分割法等经典算法,此算法在识别精度上更具优势。