子弹表面缺陷的自动化光电检测设备在我国的军工企业和国防机构领域等有很大的应用前景,但子弹缺陷检测的自动化目前在国内推行的效果不理想,很大一部分原因在于缺陷的图像检测算法未达到要求。由于子弹表面是弧形且是金属材质的特殊性,造成采集到的子弹图像缺陷和背景的对比度低,且有光照不均的情况出现,大大增加了缺陷检测算法的难度。纹理分析方法是有别于传统图像处理方法的创新型方法。在纹理分析家族中,局部二值模式(Local Binary Pattern,LBP)从发表至今一直被广泛研究和应用于多个领域,如人脸识别、视觉检测等,并在其中表现出其易于计算、能有效提取图像纹理等多个优点。基于LBP所表现出的优良特性和子弹图像的处理难度,本文创新性地将LBP应用到子弹缺陷检测中,并进行了深入研究。首先,缺陷的定义和分类是缺陷检测的基本要求。研究子弹的相关知识,划分子弹表面缺陷类别,通过光电采集系统获取子弹图像(包括缺陷子弹与合格子弹),并分析图像的特征。在仔细分析了子弹图像的特征之后制定缺陷检测流程,并提出去噪处理和感兴趣区域提取等预处理方案。在特征提取阶段,研究LBP算子的定义和计算方法,了解LBP算子的各种特性。通过对比几种LBP衍生算子,对其进行理论研究,并结合子弹表面缺陷特征提取的实验情况,最终选取出最适合子弹缺陷研究的算子:局部二值模式的方差表示(LBP variance,LBPV),该算子能克服光照不均和缺陷背景对比度低对缺陷检测所带来的不良影响。在LBPV算子提取了子弹图像纹理特征的基础上,研究能适应于子弹图像分割和缺陷识别的算法,提出结合模糊C均值聚类算法(Fuzzy C-means,FCM)的子弹缺陷识别算法。并进一步在识别出缺陷的基础上对缺陷进行纹理分类研究,提出结合K近邻分类器的子弹缺陷分类算法。本文创新性地将LBP与子弹缺陷检测相结合,提出基于LBP的子弹缺陷纹理检测算法,能有效消除光照不均对缺陷检测的严重影响,并能成功检出与背景对比度低的细小缺陷,检测精度达到97%以上,目前据我们所知,国内未见相关报道。实验证明本算法能成功用于子弹表面缺陷检测,同时也可应于其它同类金属物体的表面缺陷检测。