Алгоритмы вейвлет-анализа изображений в системах компьютерной обработки информации при производстве герконов и генераторных ламп

• Автор: Брянцев, Андрей Анатольевич
• Шифр специальности: 05.13.01
• Научная степень: Кандидатская
• Год защиты: 2009
• Место защиты: Рязань
• Количество страниц: 147 с. : ил.

СОДЕРЖАНИЕ
Введение

Глава 1. Анализ состояния проблемы автоматизации

визуального контроля качества изделий металлокерамического производства

1.1. Общая характеристика отечественного металлокерамического производства

1.2. Обзор промышленных систем технического зрения. Обобщенная функциональная схема промышленных систем технического зрения
1.3. Модели формирования изображений и шумов в промышленных системах технического зрения
Выводы

Глава 2. Разработка методов и алгоритмов предварительной

обработки и текстурного анализа зашумленных изображений

2.1. Сравнение методов пространственной фильтрации при подавлении мультипликативного шума на изображениях
2.2. Результаты исследования описанных методов пространственной фильтрации для изображений с мультипликативным шумом
2.3. Алгоритм предварительного текстурного анализа и сегментации
2.4. Комбинированный метод пространственной фильтрации изображений с мультипликативным шумом
Выводы
Глава 3. Разработка методов и алгоритмов вейвлет-анализа,
фильтрации и компрессии зашумленных изображений

3.1. Сравнение алгоритмов компрессии при сжатии данных зашумленных изображений
3.2. Алгоритм вейвлет-сжатия зашумленных изображений с использованием предварительной текстурной сегментации
3.3. Алгоритм вейвлет-сжатия зашумленных изображений с использованием текстурной сегментации
на уровне вейвлет-преобразования
Выводы
Глава 4. Разработка системы компьютерного анализа и
обработки изображений металлокерамических изделий
4.1. Структурная схема системы компьютерного анализа и обработки изображений металлокерамических
изделий
4.2. Система компьютерного анализа и обработки изображений контакт-деталей на этапе штамповки
4.3. Экспериментальные исследования разработанной системы анализа и обработки изображений
Выводы
Заключение
Список использованных источников
Приложения

ВВЕДЕНИЕ
Актуальность темы. Современное отечественное производство металлокерамических изделий характеризуется значительной долей ручного труда, обуславливающего высокий процент брака. С другой стороны, визуальный контроль качества выпускаемых изделий человеком-оператором отличается субъективизмом и малой производительностью, что также снижает эффективность производства.
Для автоматизации процесса контроля качества изготовления металлокерамических изделий целесообразно разрабатывать новые или модифицировать известные системы компьютерной обработки информации на базе СТЗ (систем технического зрения) с учетом особенностей металлокерамического производства. Точность оценок параметров изделий зависит от качества обрабатываемых изображений, формируемых в СТЗ в условиях запыленности, вибрации работающих механизмов, недостаточной освещенности и т.п. Так, например, если для изображения контакт-детали геркона отношение сигнал-шум снижается до 22 дБ, то погрешность определения его геометрических параметров может составлять 0,5 мм, тогда как минимальная требуемая точность должна быть не менее ±0,15 мм (согласно технологической выписке к/д №8-1 для изделия КЭМ-2 С Я
7.730.002 Штамп-Ш-557). Воздействия производственных факторов, в частности, взвешенной пыли, проявляются на изображениях в виде мультипликативного шума с единичным средним, имеющим, в общем случае, распределение, не совпадающее с нормальным. Кроме того, формируемые в СТЗ изображения имеют большой объем, их требуется передавать, хранить для отчетной статистики, дополнительных исследований и т.п. Применяемые в известных СТЗ методы и алгоритмы цифровой обработки зашумленных изображений эффективны для аддитивного гауссовского шума, а операции фильтрации и компрессии проводятся, как правило, раздельно во времени, что приводит к замедлению ритма

Таким образом, мультипликативная составляющая шума появляется за счет влияния на СТЗ пыли, недостаточной освещенности и других факторов. Аддитивный шум обусловлен шумами видеокамеры, изменением температурного режима и др. Влияние аддитивного шума на изображение оказывается относительно незначительным, поэтому он не является критичным для точности контроля металлокерамических изделий, следовательно, аддитивной составляющей можно пренебречь.
Результаты воздействия указанных факторов более подробно отражены в гл. 4, где рассматривается разработанная система компьютерной обработки зашумленных изображений.
С учетом вышесказанного, целесообразной представляется следующая модель:
у = х-г, (1.1)
где У - наблюдаемое изображение, X - неизвестный оригинал, 2 -мультипликативный шум с единичным средним (в общем случае не гауссовский). Случайные переменные X и Z считаются независимыми, особенно в тех случаях, когда интенсивность шума на изображении значительна.
Таким образом, возникает задача разработки алгоритмов фильтрации
зашумленного изображения, с целью получения оценки оригинала X.
Мультипликативный шум Z имеет различные законы распределения вероятностей. На основе анализа гистограмм конкретных изображений (полученных снимков) с применением критерия X выделяются три основных закона распределения шума /26, 27/.
1. Нормальное распределение:
Р(У) = ~(1.2) сг л/2 к
где //ист- математическое ожидание и среднеквадратическое отклонение соответственно. На рис. 1.10 представлен график плотности вероятности для