肖文韬,李登峰

(武汉纺织大学 数学与计算机学院, 湖北 武汉 430200)

0 引 言

齿轮是现代工业生产中最重要的零部件之一。在齿轮的批量生产中,对其进行缺陷检测和后期故障检测具有重要意义。

图像的边缘对于人类视觉而言具有重要意义[1],同时边缘检测作为视觉测量的基础,其结果直接影响到图像特征及平面几何参数测量的精度[2]。Canny算子、Sobel[3]算子和LOG算子等目前常见的传统边缘检测算法具有易实现、应用广泛等特点。

由于图像噪声和边缘都属于高频信号,导致传统边缘检测算子对于噪声较为敏感,难以区分边缘和噪声[4],对图像真实边缘的检测不理想。而在傅里叶变换基础上发展而来的小波变换,与傅里叶变换相比,其在时间域和频域内处理信号方面有较强的优越性[5],因此,在图像处理等方面有非常多的应用[6]。

文献[7]提出了一种融合小波变换模极大值法和多尺度多结构形态学的图像边缘检测算法,并采用该算法对电力机房的图像进行了处理。文献[8]认为由于数据噪声的存在,在漏磁内检测会导致边缘检测精度大大降低,提出了一种基于数据融合的小波变换漏磁异常边缘检测方法。

由于采用视觉技术检测齿轮的第一步就是对工业齿轮图像的采集,避免不了混合噪声的混入,进行图像去噪的预处理,再进行边缘检测是其中必不可少的一步。文献[9]将非局部均值算法与字典算法相结合,通过建立字典集的方式减少了领域搜索操作。……