10.3969/j.issn.1673-825X.2007.04.011
基于机器视觉的精密光学元件表面疵病识别初步研究
提出了一种基于机器视觉的表面疵病的检测方法,对获取的多幅图像进行了无缝拼接,并获得完整的表面图像.在对图像去噪的同时,利用基于偏微分方程(PDE)的各项异性扩散算法能很好地保护图像的边缘特征.并且在Perona&Malik算法的基础上引入了梯度阈值,对算法进行了改进;用zernike矩提取图像的边缘建立疵病模型,选择模糊聚类神经网络构造分类器,将图像的每个象素的n维特征向量输入该分类器进行分类.实验表明,该方法能有效地识别麻点、气泡和划痕.
机器视觉、zernike矩、模糊聚类
19
TP391.41(计算技术、计算机技术)
2007-10-29(万方平台首次上网日期,不代表论文的发表时间)
共4页
442-445