论文部分内容阅读
随着铸件制造厂商对铸件质量的提升和现代计算机技术与性能的提升，基于数字图像处理的自动缺陷检测技术日益受到相关领域的研究人员重视。自动化缺陷检测算法的发展一直受到缺少测试样本的限制。本文为解决上述限制，为自动化缺陷检测算法的研究提供测试样本，展开了对铸造缩松缺陷图像的仿真研究工作。枝状缩松是铸造缩松缺陷中最为复杂的一种，对枝状缩松缺陷的仿真研究，对于其它类型缺陷的仿真研究具有借鉴意义。本文首先从金属凝固学角度分析，指出枝状缩松的形成是一项随金属冷却的时间演进过程。缺陷的外形随着时间的演进不断变化,缺陷的生成是一项在时空域变化的过程。之后，从数字图像处理角度，分析了枝状缩松缺陷的灰度分布、梯度分布和几何外观结构等视觉特征。结合上述缺陷形成的物理过程和对图像的统计以及解译分析，本文提出了以骨架表达缺陷的几何结构信息，并建立了分层模板枝状缩松缺陷的时空模型，实现了该类缺陷的图像仿真。其次，本文算法把缺陷仿真过程分为几何模板生成、灰度信息生成和背景融合三个阶段。在几何模板生成阶段，提出了3个骨架权重分布方法，并比较不同权重分布方法的优劣。在模板生成上，算法模拟枝状缩松的形成过程，提出了一种骨架结构随时间演进，受控的反几何扩散缺陷模板生成算法。再次，在缺陷灰度信息生成方面，结合真实缺陷图像的分布特征，本文提出了基于缺陷灰度概率密度分布的随机灰度生成算法和利用对扩散结果进行灰度映射的缺陷灰度生成算法。同时，之处随机灰度生成算法，在缺陷中心区域缺乏平滑特征的缺点。最后，本文给出了本文算法的实验结果，并从主观和客观两个及角度对本文算法的仿真结果进行评价。总结出仿真算法在随机性上的不足和指出算法未来的发展方向。