图像滤波去噪及边缘检测技术研究与实验分析.pdfVIP

摘要

图像滤波去噪及边缘检测技术研究与实验分析

视觉检测作为非接触式检测技术，是一项集机械、计算机、图像和自动控制

等多学科于一体的综合交叉式技术，实现功能多，应用范围广。在工业生产领域，

作为智能制造的重点，视觉检测技术在中国制造2025战略和庞大制造业市场需

求的双重驱动下，迎来了前所未有的黄金发展期。视觉检测技术对于实现工件的

智能检测具有巨大的实用和经济价值，所以有必要展开对视觉检测中相关技术的

研究。

图像滤波去噪和边缘检测是视觉检测的重要技术，影响后续测量精度。传统

视觉检测技术存在以下问题：传统滤波去噪算法只对某一浓度范围内的椒盐噪声

能有效滤除，当噪声浓度超过某一定值，去噪效果不理想；传统边缘检测算子易

受外界环境因素和工件表面纹理干扰，鲁棒性差，且检测出的虚假边缘影响工件

测量精度。为此，本文在分析传统图像滤波去噪算法和边缘检测算子的基础上，

改进图像滤波去噪算法，提出一种基于卷积神经网络的边缘检测模型，并通过视

觉测量实验验证算法的有效性。具体研究过程如下：

(1)分析传统图像滤波去噪算法及去噪效果的主客观评价方法，对图像中存

在的椒盐噪声，提出一种基于中值、均值及插值融合的混合滤波算法。采用Matlab

对含椒盐噪声浓度为0.1~0.9的法兰盘图像运用四种不同滤波去噪算法进行仿真，

结合主观与客观评价方法，对四种不同滤波去噪算法的去噪效果进行评价。

(2)研究传统边缘检测算子，采用常见的五种边缘检测算子对法兰盘图像进

行仿真分析。针对传统边缘检测算子存在鲁棒性差及以VGG16为基础的边缘检

测模型训练时间长、训练成本高、占用计算机内存大的问题，基于卷积神经网络，

搭建一种小型、轻量化的边缘检测模型。采用BSD500数据集对模型训练1500

次后，得到一种通用的预训练模型。针对特定工件，采用Labelme软件制作相应

的数据集，将其喂入预训练模型进行再训练，实现模型参数调整，获得某种特定

工件的边缘检测模型。

(3)为实现工件边缘细化及阈值自适应调整的功能，研究Canny算子中的非

极大值抑制和双阈值处理。将OTSU算法引入双阈值处理，对图像中高低阈值自

适应设定，减少人工阈值选取造成的误差。采用Matlab对模型检测的法兰盘边

缘进行非极大值抑制和双阈值处理，自适应求解图像的高低阈值。

(4)为验证本文算法的有效性，以法兰盘为测量对象，搭建视觉测量平台，

结合径向畸变和切向畸变，研究相机成像原理，完成相机标定实验。将经典图像

处理方法获得的测量数据作为对照组，分析两种算法的测量结果。根据实验中产

生的测量误差，分析误差产生的来源。

关键词：

视觉检测，图像滤波，边缘检测，卷积神经网络，图像细化，相机标定

ABSTRACT

ResearchandExperimentalAnalysisofImageFiltering

DenoisingandEdgeDetectionTechnology

Asanon-contactinspectiontechnology,visualinspectionisacomprehensive

cross-cuttingtechnologyintegratingmechanicalengineering,computertechnology,

imageprocessing,automaticcontrolandotherdisciplines.Ithasmultiplefunctionsand

awiderangeofapplications.Inthefieldofindustrialproduction,asthefocusof

intelligentmanufacturing,visualinspectiontechnology,drivenbytheMadeinChina

2025strategyandthehugemanufacturingmarketdemand,hasusheredinan

unp