论文摘要
针对风机叶片表面缺陷检测问题,提出了一种基于鲁棒主成分分析(RPCA)和视觉显著性的表面缺陷检测方法。在RPCA的基础上,通过增加噪声项和考虑像素的空间关系,以利于缺陷的分割,即通过F范数正则项抑制高斯噪声和光照不均,利用Laplacian正则项约束像素的空间关系,以保持显著图中具有相似显著值且空间相邻超像素的局部一致性和不变性。首先,对输入的风机叶片表面图像进行超像素分割和特征提取,得到图像的特征矩阵;然后,利用改进的RPCA法得到稀疏矩阵,根据稀疏矩阵和视觉显著性方法计算出缺陷区域的显著图;最后,优化显著图并采用自适应阈值分割实现缺陷的检测。通过实验仿真和对实验结果定性定量分析,表明该方法具有较高的准确率。
论文目录
文章来源
类型: 期刊论文
作者: 曹锦纲,杨国田,杨锡运
关键词: 视觉显著性,缺陷检测,风机叶片
来源: 图学学报 2019年04期
年度: 2019
分类: 工程科技Ⅱ辑,信息科技
专业: 电力工业,计算机软件及计算机应用
单位: 华北电力大学控制与计算机工程学院
基金: 中央高校基本科研业务费专项资金(2018MS072)
分类号: TP391.41;TM315
页码: 704-710
总页数: 7
文件大小: 1848K
下载量: 159