Faster R-CNN定位后的工业CT图像缺陷分割算法研究

TP391; 由Faster R-CNN定位的缺陷区域内存在弱边缘,若直接采用常规分割算法对该小区域进行处理,会出现严重的过分割或欠分割现象.在此研究了一种针对Faster R-CNN定位后的工件缺陷的精确闽值分割法.在利用形态学开闭重建算法对定位区域进行重建,并对重建后的图像用Otsu双阈值法做变换处理的基础上,进一步利用最大熵阈值分割法对变换后的图像进行分割,最终对分割出的缺陷进行面积、周长等参数的测量.实验结果表明,所研究算法较常规的算法对工件的缺陷(裂纹、气泡和夹渣)有更好的分割能力.该算法不仅可以准确地分割出包含弱边缘的目标,还可以有效排除轮廓背景对分割的干扰....

Full description

Saved in:
Bibliographic Details
Published in电子技术应用 Vol. 45; no. 1; pp. 76 - 80
Main Authors 吴晓元, 常海涛, 苟军年
Format Journal Article
LanguageChinese
Published 兰州交通大学自动化与电气工程学院,甘肃兰州,730070%兰州交通大学自动化与电气工程学院,甘肃兰州730070 2019
兰州交通大学光电技术与智能控制教育部重点实验室,甘肃兰州730070
Subjects
形态学开闭重建算法
最大熵阈值分割法
Faster R-CNN
缺陷分割
Otsu双阈值法
Online AccessGet full text

Cover

More Information
Summary:TP391; 由Faster R-CNN定位的缺陷区域内存在弱边缘,若直接采用常规分割算法对该小区域进行处理,会出现严重的过分割或欠分割现象.在此研究了一种针对Faster R-CNN定位后的工件缺陷的精确闽值分割法.在利用形态学开闭重建算法对定位区域进行重建,并对重建后的图像用Otsu双阈值法做变换处理的基础上,进一步利用最大熵阈值分割法对变换后的图像进行分割,最终对分割出的缺陷进行面积、周长等参数的测量.实验结果表明,所研究算法较常规的算法对工件的缺陷(裂纹、气泡和夹渣)有更好的分割能力.该算法不仅可以准确地分割出包含弱边缘的目标,还可以有效排除轮廓背景对分割的干扰.
ISSN:0258-7998
DOI:10.16157/j.issn.0258-7998.181959