基于单尺度Retinex与改进的K-均值聚类的涡流热成像缺陷检测

发布时间：2022-08-02 13:46

　　在利用涡流红外热成像技术检测金属材料损伤缺陷时,因热波属于衰减波,且热波三维热扩散等问题,导致采集的红外图像中缺陷部位模糊。针对该问题,提出一种基于单尺度Retinex与改进的K-均值聚类的缺陷检测方法,用于处理红外图像特征增强、图像分割和边缘特征提取等问题。该方法首先利用单尺度Retinex（single-scale Retinex, SSR）对红外热图像进行图像增强,强化缺陷特征,然后利用改进的K-均值聚类算法对图像进行分割,最后采用数学形态学算法处理图像,去除缺陷图像中无用信息,并利用Canny算子检测出缺陷边缘。实验结果证明,该方法有效地检测出金属材料试件缺陷,并提取出完整清晰的缺陷边缘。 

【文章页数】：6 页

【文章目录】：
0 引言
1 涡流热成像缺陷检测
    1.1 涡流热成像图像增强
        1.1.1 Retinex理论
        1.1.2 SSR算法红外热图像增强
    1.2 基于改进的K-均值聚类的图像分割
    1.3 缺陷边缘检测
2 实验结果与分析
3 结论


【参考文献】：
期刊论文
[1]基于混合映射的高动态范围场景再现[J]. 李卫中,彭祺.  光学精密工程. 2018(12)
[2]一种钢轨裂纹红外图像处理算法研究[J]. 顾桂梅,刘丽,贾文晶.  铁道学报. 2018(11)
[3]基于OTSU和区域生长的电气设备多点故障分割[J]. 余成波,曾亮,张林.  红外技术. 2018(10)
[4]基于形态学开运算的面向对象滑坡提取方法研究[J]. 王宁,陈方,于博.  遥感技术与应用. 2018(03)
[5]基于K均值聚类和开闭交替滤波的黄瓜叶片水滴荧光图像分割[J]. 杨信廷,孙文娟,李明,陈梅香,明楠,韩佳伟,李文勇,陈明.  农业工程学报. 2016(17)
[6]融合边缘信息的单尺度Retinex海雾去除算法[J]. 马忠丽,文杰.  计算机辅助设计与图形学学报. 2015(02)



本文编号：3668635