10.11996/JG.j.2095-302X.2019040704
基于RPCA和视觉显著性的风机叶片表面缺陷检测
针对风机叶片表面缺陷检测问题,提出了一种基于鲁棒主成分分析(RPCA)和视觉显著性的表面缺陷检测方法.在RPCA的基础上,通过增加噪声项和考虑像素的空间关系,以利于缺陷的分割,即通过F范数正则项抑制高斯噪声和光照不均,利用Laplacian正则项约束像素的空间关系,以保持显著图中具有相似显著值且空间相邻超像素的局部一致性和不变性.首先,对输入的风机叶片表面图像进行超像素分割和特征提取,得到图像的特征矩阵;然后,利用改进的RPCA法得到稀疏矩阵,根据稀疏矩阵和视觉显著性方法计算出缺陷区域的显著图;最后,优化显著图并采用自适应阈值分割实现缺陷的检测.通过实验仿真和对实验结果定性定量分析,表明该方法具有较高的准确率.
RPCA、视觉显著性、缺陷检测、风机叶片
40
TP391(计算技术、计算机技术)
中央高校基本科研业务费专项资金2018MS072
2019-09-12(万方平台首次上网日期,不代表论文的发表时间)
共7页
704-710