一种用于CTP版表面瑕疵的自适应检测算法

摘要：

为了实现CTP版材表面不同类型瑕疵的自适应在线检测，引入人类视觉注意机制，融合区域生长算法对表面瑕疵图像进行分割，以面积作为特征值对瑕疵进行识别。首先根据人类视觉系统具有选择性注意机制的特性，对CTP版材表面图像的多特征图像采用图像金字塔分解得到多尺度图像，并利用基于图的算法（GBVS）将多尺度下多特征的图像融合为全局显著图。然后将显著图中最显著点即注意焦点作为区域生长的种子点，相似性作为区域生长准则，对原图像的梯度图像采用区域生长算法获得瑕疵区域二值化图像。最后利用注意抑制返回机制和邻近优先的准则，查找其他未检瑕疵，直至满足CTP版材的行业标准。实验结果表明：瑕疵检测系统分辨率0.1mm，检测平均准确率达96.3％以上，算法运行速度快，能满足CTP版材生产的在线检测实时性要求。

关键词：机器视觉、表面瑕疵、视觉注意、显著图、区域生长

分类号：TP394.1(计算技术、计算机技术)

在线出版日期：2015-01-21（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：94-98