自动化学报
自動化學報
자동화학보
ACTA AUTOMATICA SINICA
2006年
3期
470-474
,共5页
幅值谱%不变矩%特征提取%表面检测
幅值譜%不變矩%特徵提取%錶麵檢測
폭치보%불변구%특정제취%표면검측
研究了傅立叶变换、不变矩的原理及特点,提出基于幅值谱与不变矩的特征提取方法,并应用于中厚板的表面缺陷自动分类.从现场在线采集中厚板的表面图像,将每幅表面图像划分成128×128大小的子图像,对子图像进行傅立叶变换得到子图像的幅值谱,再对幅值谱图像求Hu不变矩,将不变矩作为特征量,通过这种方法提取的特征向量不仅具有平移、旋转不变性,并且具有抗噪、抑制光照不均的优点.将本文方法得到的特征量作为基于LVQ神经网络的分类器输入,对缺陷样本进行学习和分类,结果表明,这些特征量适用于中厚板表面缺陷的分类,识别率达81.5%.
研究瞭傅立葉變換、不變矩的原理及特點,提齣基于幅值譜與不變矩的特徵提取方法,併應用于中厚闆的錶麵缺陷自動分類.從現場在線採集中厚闆的錶麵圖像,將每幅錶麵圖像劃分成128×128大小的子圖像,對子圖像進行傅立葉變換得到子圖像的幅值譜,再對幅值譜圖像求Hu不變矩,將不變矩作為特徵量,通過這種方法提取的特徵嚮量不僅具有平移、鏇轉不變性,併且具有抗譟、抑製光照不均的優點.將本文方法得到的特徵量作為基于LVQ神經網絡的分類器輸入,對缺陷樣本進行學習和分類,結果錶明,這些特徵量適用于中厚闆錶麵缺陷的分類,識彆率達81.5%.
연구료부립협변환、불변구적원리급특점,제출기우폭치보여불변구적특정제취방법,병응용우중후판적표면결함자동분류.종현장재선채집중후판적표면도상,장매폭표면도상화분성128×128대소적자도상,대자도상진행부립협변환득도자도상적폭치보,재대폭치보도상구Hu불변구,장불변구작위특정량,통과저충방법제취적특정향량불부구유평이、선전불변성,병차구유항조、억제광조불균적우점.장본문방법득도적특정량작위기우LVQ신경망락적분류기수입,대결함양본진행학습화분류,결과표명,저사특정량괄용우중후판표면결함적분류,식별솔체81.5%.
