一种并行组合的图像缺陷分割方法

摘要

本发明涉及板带材表面质量检测技术领域，公开一种并行组合的图像缺陷分割方法，通过融合多种分割算法的分割结果，以得到理想的缺陷分割图。针对高速铝带表面缺陷检测，所提出的组合分割方法包含了两种分割算法：基于统计模型的自动阈值分割和自适应熵分割，所述的自动阈值分割算法通过对图像统计建模得到有效的分割参数，实现快速分割；所述的自适应熵分割算法采用一维信息熵来实现缺陷的有效分割。本发明在实施中，采用的两种分割算法以并行的方式分别对图像进行分割，然后采用与运算对它们的分割结果进行融合，从而获取改进的具有更高分割精度的分割图像，克服了现有分割法的缺陷，提高了分割精度，该方法简单稳定可靠，可有效满足应用。

主权项

一种并行组合的图像分割方法，其特征在于：是并行执行基于图像统计模型的自动阈值分割和自适应熵分割，然后通过对这两个分割方法的分割结果进行融合，从而得到最终的分割结果，其步骤如下：1)、对图像进行基于图像统计模型的自动阈值分割，得到有效的分割参数，实现快速分割；(1)通过非均匀性校正方法对非均匀性的图像进行校正，将非高斯性图像转换为高斯图像；(2)对图像建模，计算图像的背景均值μ和标准差σ；(3)设系数η₁,η₂为图像分割时的灵敏度，图像背景灰度分布的区间为[μ‑η₁δ,μ+η₂δ]，缺陷阈值区域为[0,μ‑η₁δ)U(μ+η₂δ,255]，像素值落入该区域内的像素都视为缺陷；(4)形态学处理，滤除探测噪声，改善缺陷的连通性，改进分割结果，得出的分割结果为一个二值图像，记为Z；2)、对缺陷图像进行自适应熵分割；(1)通过高斯平滑算子对图像进行卷积运算，实现图像去噪；(2)采用8个方向的Prewitt算子对图像进行缺陷多方向边界探测及定位；(3)对Prewitt算子边界定位结果进行一维信息熵阈值分割，实现缺陷边界增强；Prewitt算子为边界探测算子，使用的Prewitt算出采用8个方向的核；(4)对一维信息熵的分割结果进行形态学处理，来增强边界增强，实现缺陷的有效分割，实现计算出分割结果记为E；3)、融合两种分割方法的分割结果；当自动阈值分割和自适应信息熵分割分别对图像进行缺陷分割后，均得到一个二值图像，依次记为：Z、E，对这两个二值图，采用与运算进行融合，融合后的二值图记为R，融合过程由下面的式子表示：$R=Z\oplus E$即，最后得到最终的图像缺陷目标。