计算机辅助设计与图形学学报
計算機輔助設計與圖形學學報
계산궤보조설계여도형학학보
JOURNAL OF COMPUTER-AIDED DESIGN & COMPUTER GRAPHICS
2012年
4期
506-513
,共8页
独立成分分析%拓扑独立成分分析%表面检测%特征提取%基函数%滤波器
獨立成分分析%拓撲獨立成分分析%錶麵檢測%特徵提取%基函數%濾波器
독립성분분석%탁복독립성분분석%표면검측%특정제취%기함수%려파기
为了提取表面缺陷图像特征,常对图像进行线性变换,但通常的wavelet变换、Gabor变换及其基函数都是预先定义和不变的,不能适应于缺陷图像的特点.为此提出基于独立成分分析(ICA)和拓扑独立成分分析(TICA)的特征提取方法,并将其应用于冷轧带钢表面缺陷自动识别.首先利用ICA和TICA从缺陷集中自适应地估计出基函数和滤波器,这些基适应于缺陷图像的特点；然后用与基对应的滤波器对缺陷图像滤波,提取滤波响应作为特征向量；最后用支持向量机对样本进行分类识别.该方法建立在对缺陷集无监督学习的基础上,能够自适应地提取缺陷图像的显著特征,且计算简单,可并行处理.实验结果表明,文中方法对形状类缺陷、纹理类缺陷及其他缺陷的识别率都非常高,总体识别率可达95.52％.
為瞭提取錶麵缺陷圖像特徵,常對圖像進行線性變換,但通常的wavelet變換、Gabor變換及其基函數都是預先定義和不變的,不能適應于缺陷圖像的特點.為此提齣基于獨立成分分析(ICA)和拓撲獨立成分分析(TICA)的特徵提取方法,併將其應用于冷軋帶鋼錶麵缺陷自動識彆.首先利用ICA和TICA從缺陷集中自適應地估計齣基函數和濾波器,這些基適應于缺陷圖像的特點；然後用與基對應的濾波器對缺陷圖像濾波,提取濾波響應作為特徵嚮量；最後用支持嚮量機對樣本進行分類識彆.該方法建立在對缺陷集無鑑督學習的基礎上,能夠自適應地提取缺陷圖像的顯著特徵,且計算簡單,可併行處理.實驗結果錶明,文中方法對形狀類缺陷、紋理類缺陷及其他缺陷的識彆率都非常高,總體識彆率可達95.52％.
위료제취표면결함도상특정,상대도상진행선성변환,단통상적wavelet변환、Gabor변환급기기함수도시예선정의화불변적,불능괄응우결함도상적특점.위차제출기우독립성분분석(ICA)화탁복독립성분분석(TICA)적특정제취방법,병장기응용우랭알대강표면결함자동식별.수선이용ICA화TICA종결함집중자괄응지고계출기함수화려파기,저사기괄응우결함도상적특점；연후용여기대응적려파기대결함도상려파,제취려파향응작위특정향량；최후용지지향량궤대양본진행분류식별.해방법건립재대결함집무감독학습적기출상,능구자괄응지제취결함도상적현저특정,차계산간단,가병행처리.실험결과표명,문중방법대형상류결함、문리류결함급기타결함적식별솔도비상고,총체식별솔가체95.52％.
