基于机器视觉的精密光学元件表面疵病识别初步研究

提出了一种基于机器视觉的表面疵病的检测方法,对获取的多幅图像进行了无缝拼接,并获得完整的表面图像。在对图像去噪的同时,利用基于偏微分方程(PDE)的各项异性扩散算法能很好地保护图像的边缘特征。并且在Perona&Malik算法的基础上引入了梯度阈值,对算法进行了改进;用zernike矩提取图像的边缘建立疵病模型,选择模糊聚类神经网络构造分类器,将图像的每个象素的n维特征向量输入该分类器进行分类。实验表明,该方法能有效地识别麻点、气泡和划痕。