随着传统能源的不断开采与消耗,能源危机已经成为当今世界各个国家所面临的严重问题,因此许多国家越来越重视对可再生资源的开发与利用。太阳能作为一种清洁环保的可再生资源,近年来受到世界各国的青睐。针对太阳能的开发与利用主要是通过太阳能电池将光能转化为电能,太阳能电池的质量将直接决定光电转化的效率。在太阳能电池的开发和使用过程中,太阳能电池的缺陷检测扮演着非常重要的角色,而在所有的缺陷问题中,由于裂缝非常细小隐秘,检测过程最为困难。传统的裂缝检测方法大部分是通过人眼检测,耗费巨大的人力,本文主要通过对图像处理技术的研究,实现太阳能电池的裂缝检测,主要包括以下几个方面的工作:(1)针对太阳能电池在拍摄过程中发生透视畸变的问题,在利用透视变换进行校正时,设计了一种基于几何学的自动顶点确定方法,代替人为手动标记图像中畸变区域的顶点,从而为实现太阳能电池裂缝检测的自动化和批量化提供保证。(2)在进行裂缝检测之前,首先要对预处理后的图像进行边缘提取,但太阳能电池复杂的背景纹理对边缘提取造成很大干扰,本文提出一种结合纹理抑制和拉普拉斯金字塔分解的多尺度边缘提取算法,可以有效抑制太阳能电池图像中的复杂纹理背景,并定位边缘区域。(3)在进行裂缝检测时,提出一种基于边缘特征的模糊c-means聚类的裂缝检测算法。结合裂缝形态特征的haar-like描述子和邻域纹理特征的小波能量差的方法定义新的裂缝特征描述子,利用二分法模糊c-means聚类算法对无缺陷太阳能电池图像边缘点的特征向量进行聚类,利用聚类结果与待检测图像的边缘点的特征向量进行比较,并确定反例为裂缝。该方法很好的解决了无法直接提取裂缝特征的难题,并且可以有效抑制噪声和尽量多的保留裂缝信息。(4)由于背景图像等影响,获得的裂缝会存在不连续的问题。本文提出一种改进的定向区域生长方法对裂缝检测结果进行优化,利用该方法可以使裂缝的检测结果更加完整。