基于机器视觉的低对比度纸病识别算法研究.pdf

中 国造纸 学报 基于机器视觉的低对比度纸病识别算法研究 陈臖 王亦红 河海大学能源与电气学院 江苏南京 摘 要 利用机器视觉识别纸病时 若背景与目标纸病的对比度低 且采用单一的边缘检测算法 将会出现对目标纸病边缘定位不准 确 抗噪性能不好等问题 对此 提出了一种解决方法 即首先分别用算子和基于数学形态学的边缘检测方法对低对比度纸病图像 进行边缘检测 然后对这两种边缘检测算法得到的图像进行小波融合 融合得到的图像中纸病边缘定位准确且具有一定的抗噪性 最 后 对此进行了实验验证 研究结果表明 文中提出的解决方法可行 即可将该方法用于基于机器视觉的低对比度纸病识别 关键词 算子 数学形态学 小波变换 图像融合 纸病识别 中图分类号 文献标识码 文章编号 计算机视觉是用各种成像系统代替视觉器官作为 图像边缘检测算法 信息输入手段 由计算机来代替大脑完成处理和解 该算法首先用高斯函数对图像进行平滑 然后利 释 机器视觉常用来代替人工视觉 在纸张生产 过程中 由于设备磨损 生产原料质量等原因 会造 用拉普拉斯算子对平滑的图像求二阶导数后得到零交 成一些外观纸病 用人工视觉检查纸病效率低且 叉点 通过零交叉点的检测实现边缘检测 检测步骤 精度不高 用机器视觉检测方法可以大大提高生产效 如下 率和生产的自动化程度 但利用机器视觉识别低 首先 利用高斯函数 和低对比度图像 对比度纸病时 由于低对比度图像灰度范围狭窄 相 进行卷积得到平滑图像 即 邻像素的空间相关性高 噪声和边缘的频率分量 其中 高斯函数 都属于频率域中频率较高的部分 易造成在检测出边 缘的同时也检测出了噪声 故对低对比度纸病识别较 [ ] 这一步将低对比度图像孤立的 为困难 目前 利用机器视觉识别低对比度纸病多采 用边缘检测方法 常用的边缘检测方法有 算 噪声点和较小的结构组织滤除 但对于分布较为密集 子 算子 算子 算子 小波法 的噪声 在不影响检测精度的情况下 高斯函数不能 等 这些单一的边缘检测算子虽然易于实现 具有较 完全滤除 好的实时性 可并行处理 但对噪声敏感 测得的边 其次 基于拉普拉斯算子对平滑后的低对比度图 缘较粗糙 究其原因在于边缘和噪声都属于高频信 像进行增强处理 使目标边缘相对于背景更突出 即 利用卷积定理 号 这些算子很难在边缘和噪声中做取舍 致使 这些方法在检测效果和抗噪性能方面往往得不到满意 其可变为 因为拉 的效果 针对上述问题 基于算子提取低对比 普拉斯算子对图像中的噪声很敏感 若图