1、隨著科學(xué)技術(shù)的發(fā)展和大數(shù)據(jù)時代的到來，含有大量信息數(shù)據(jù)的圖像不斷涌現(xiàn)，如何準(zhǔn)確識別圖像并利用數(shù)據(jù)中的顯著部分進(jìn)行檢測就變得越來越重要。圖像顯著性檢測的出現(xiàn)解決了這種問題。圖像顯著性檢測的目的是檢測出圖像中的定點或者是突出物體，是最能引起人們視覺關(guān)注的區(qū)域。顯著性檢測模擬人類視覺系統(tǒng)，人類視覺系統(tǒng)通過人眼觀察圖像，大腦分析，做出反應(yīng)，人類對復(fù)雜環(huán)境的反應(yīng)高效.計算機視覺系統(tǒng)無法超越人類，但是能夠持續(xù)工作，針對工業(yè)上環(huán)境變化不大，計算機視覺

2、系統(tǒng)優(yōu)勢明顯。
　　目前工業(yè)透明薄膜包裝的檢測主要是依靠目力，容易出現(xiàn)標(biāo)準(zhǔn)不統(tǒng)一、檢測效率低下、勞動強度大的缺陷。而采用簡單的圖像分割和特征提取對工業(yè)透明塑料薄膜的破損情況進(jìn)行檢測時，效果不是那么理想。為了解決這個問題，本文提出了一種利用顯著性的特點快速精確地檢測透明塑料薄膜缺陷的方法。具體內(nèi)容和創(chuàng)新點如下：
　　1)首先對拍攝的圖像進(jìn)行點Hough變換（PHT)。為了能夠精確地提取出目標(biāo)區(qū)域，采用了改進(jìn)的霍夫變換——點霍夫

3、變換。然后將 PHT變換的圖像進(jìn)行超像素的分割，本文采用了兩種超像素分割的方法，一種是基于梯度下降的SLIC分割算法，一種是基于圖論的Graph-based分割算法。對SLIC超像素分割的圖像，利用BP神經(jīng)網(wǎng)絡(luò)算法對分割后的超像素塊進(jìn)行分類，對Graph-based超像素分割的圖像利用改進(jìn)的基于上下文的顯著性檢測算法對超像素塊進(jìn)行顯著性檢測。
　　2)比較了兩種方法的優(yōu)缺點及本文為什么選擇利用基于改進(jìn)的上下文的顯著性檢測。顯著性檢

4、測后的圖片，由于其形狀特征明顯，提取12個形狀特征，利用主成分分析法對這些特征進(jìn)行主成分分析，最后采用基于二叉樹的多分類SVM對塑料薄膜的缺陷進(jìn)行分類，最終實現(xiàn)缺陷的實時顯示和缺陷的自動分類和統(tǒng)計，最終方便用戶進(jìn)行歷史查詢，與實際缺陷產(chǎn)品進(jìn)行對照，方便客戶操作。
　　3)將利用改進(jìn)的基于上下文的顯著性檢測方法和圖像分割、邊緣提取、神經(jīng)網(wǎng)絡(luò)和其他顯著性檢測法方法進(jìn)行比較。實驗結(jié)果表明，本文提取的方法能夠很好地檢測薄膜包裝的破損情況。