吴家伟，严京旗，方志宏，夏勇，陆敏健

(1.上海交通大学图像处理与模式识别研究所，上海 200030;2.宝山钢铁股份有限公司研究院，上海 201900;3.宝山钢铁股份有限公司设备部，上海 201900)

基于图像显著性特征的铸坯表面缺陷检测

吴家伟1，严京旗1，方志宏2，夏勇2，陆敏健3

(1.上海交通大学图像处理与模式识别研究所，上海 200030;2.宝山钢铁股份有限公司研究院，上海 201900;3.宝山钢铁股份有限公司设备部，上海 201900)

针对钢铁铸坯表面检测的缺陷复杂性问题，从图像处理及图形特征角度提出一种基于显著性区域特征的算法.该算法首先对源图像进行显著性特征区域处理和Gabor小波滤波处理，得到了对应的特征图像;然后再将2幅图像中的特征区域进行融合，得到可信度较高的缺陷特征区域图像;最后在缺陷区域中用训练好的Adaboost分类器检测缺陷，得到最终的缺陷定位结果.该算法结合了显著性特征和Gabor小波特征，既缩小了Adaboost分类器的搜索范围，也提高了排除伪缺陷的能力，具有较快的定位速度和较高的准确率.实验结果表明，该算法能获得较好的效果，具有较高的实用价值.

铸坯表面;缺陷检测;显著性区域;特征提取;Gabor小波;Adaboost分类器

作为钢铁材料最为重要的质量因素之一，钢铁铸坯的表面质量的优劣直接影响其产品的性能和质量.由于设备和工艺等影响钢板表面会出现不同类型的缺陷.这些缺陷不仅影响产品外观，而且降低了产品的抗腐蚀性、耐磨性和强度等性能.因此如何……