-
题名基于图像掩模和击中击不中变换的优化边缘提取算法
被引量：9
- 1
-
-
作者
陈恺煊
刘昕
王咚
-
机构
西安理工大学印刷包装与数字媒体学院
-
出处
《西安理工大学学报》
CAS
北大核心
2018年第1期116-121,共6页
-
基金
陕西省重大科技创新资助项目(2008ZKC02-13)
-
文摘
为了解决传统Sobel算法在边缘提取时存在的定位不准确、边缘线条较粗、细节缺失的问题,提出了一种改进算法。首先使用增加方向模板后的Sobel算子对图像进行卷积,再对梯度图像进行边缘检测得到双线条图像,并以此作为掩膜来消除原梯度图中的伪边缘,从而对边缘线宽进行细化,然后使用Otsu算法将图像进行二值分割,最后通过数学形态中基于击中击不中变换的细化对图像进行全局处理来消除图像纹理干扰点。实验表明,与传统的边缘提取算法相比,改进后的算法定位准确,边缘较细,并保持了原图像的细节。
-
关键词
边缘检测
SOBEL算子
边缘细化
图像掩模
-
Keywords
edge detection
Sobel operator
edge refinement
image mask
-
分类号
TS807
[轻工技术与工程]
-
-
题名一种印刷品缺陷检测中轮廓伪影的消除方法
被引量：4
- 2
-
-
作者
陈恺煊
刘昕
-
机构
西安理工大学印刷包装与数字媒体学院
-
出处
《西安理工大学学报》
北大核心
2017年第4期486-491,共6页
-
文摘
针对传统印刷品缺陷检测流程中出现的轮廓误检问题做出了改进,首先利用Sobel算子对模板图像进行边缘提取,然后将边缘图像经过数学形态法处理后掩盖在差影图像上,最后再次利用基于数学形态法的开运算对图像进行全局处理以消除轮廓伪影和噪声。实验表明,此方法可以有效消除因纸张双重反射效应和机械振动等原因造成的轮廓伪影,提高检测过程的准确率。
-
关键词
缺陷检测
机器视觉
边缘检测
-
Keywords
defect detection
machine vision
edge detection
-
分类号
TS807
[轻工技术与工程]
-
-
题名基于BP神经网络的纸张缺陷检测与识别研究
被引量：25
- 3
-
-
作者
段茵
陈恺煊
刘昕
张金凤
-
机构
西安理工大学印刷包装与数字媒体学院
-
出处
《西安理工大学学报》
CAS
北大核心
2018年第2期235-239,共5页
-
基金
陕西省重大科技创新资助项目(2008ZKC02-13)
-
文摘
纸张表面缺陷会直接影响印刷产品的质量。为了快速、准确地检测出纸张缺陷,本文提出了一种基于BP神经网络的纸张缺陷检测与识别的方法。先将纸张缺陷经过形态学处理,再进行形状分析,然后把距离、面积、延长因子和圆度因子四个特征参数输入神经网络进行训练,最后利用训练后的神经网络对纸张缺陷类型进行识别。实验表明:将BP神经网络用于纸张缺陷检测中,能有效地检测缺陷类型,并准确识别常见的尘埃、孔洞、裂口和褶子四种纸张缺陷。
-
关键词
纸张缺陷检测
图像处理
神经网络
-
Keywords
paper defect detection
image processing
neural network
-
分类号
TS807
[轻工技术与工程]
-
