盛大富 王亦红

摘 要：针对机器视觉检测低对比度纸病，存在常规的阈值分割会引起低对比度纸病信息丢失以及边缘检测存在鲁棒性差的问题，本课题提出了一种基于相位一致性算法识别低对比度纸病的方法，并与常规的阈值分割以及边缘检测中具有代表性的canny算子进行了对比分析。结果表明，当识别低对比度纸病时，本课题提出的方法不仅保留的有用信息较常规阈值分割的多，而且鲁棒性较canny算子的边缘检测好。

关键词：  纸病识别;图像分割;相位一致性;自适应阈值

中图分类号：TP273;TS77

文献标识码：A

DOI：10.11980/j.issn.0254-508X.2019.01.009

利用机器视觉代替人眼识别纸病，有利于提高效率和检测精度，改进生产工艺，提高纸张品质[1-2]。纸病识别的关键技术之一是采用图像分割的方法提取纸病目标[3]。常规的图像分割方法有阈值分割法和边缘检测法[4]。阈值分割以一固定阈值来区分背景和目标，适用于目标与背景灰度差异明显的图像;边缘检测法通过一阶或二阶微分运算找到图像中灰度值呈阶跃变化或斜坡变化的像素点来作为边缘点，有较高的检测精度，但检测效果受阈值选取的影响较大，若图像的对比度低，梯度阈值的选取较难，偏高会丢失轮廓信息，偏低则容易引入噪声造成误判，因而鲁棒性较差，而且对于纸病的一些细微特征无法检测出来。由此，本课题提出一种基于频域的相位一致性特征提取算法来检测纸病图像，相位一致性算法模拟人眼的视觉系统检测感兴趣的目标，对低对比度图像仍有较好的检测精度，而且经相位一致性特征提取后的纸病目标可以采用自适应阈值进行分割，有较高的鲁棒性。……