中国图象图形学报
中國圖象圖形學報
중국도상도형학보
JOURNAL OF IMAGE AND GRAPHICS
2014年
11期
1623-1629
,共7页
粗糙度识别%Gabor小波%M_LBP%KNN分类器
粗糙度識彆%Gabor小波%M_LBP%KNN分類器
조조도식별%Gabor소파%M_LBP%KNN분류기
roughness recognition%Gabor wavelets%M_LBP%KNN classifier
目的 为了提取零件表面图像的纹理特征并对其表面粗糙度分类识别,有效提高识别的正确率,提出了联合Gabor小波和改进局部二值模式(LBP)的纹理特征提取方法.方法 针对传统LBP算子忽略了邻域内灰度差幅值特征的问题,提出了M_LBP(magnitude considered LBP)算子.采用Gabor小波对零件表面图像滤波,并计算各子图像Gabor幅值特征GMM(Gabor magnitude maps).应用M_LBP算子计算各GMM的M_LBP特征谱,进而构造得到零件表面图像的纹理特征向量,最后通过KNN(K-nearest neighbor)算法对零件粗糙度分类识别.结果 本文提出的算法有效细化了表面图像纹理特征,对粗糙度差别为0.2 μm的零件识别准确率达到98％,远高于利用传统LBP算子提取的纹理信息的识别准确率.结论 本文提出了一种有效细化LBP纹理特征的M_LBP算子,并通过与Gabor小波的结合,突破了传统LBP算子尺度、方向单一,幅值信息被忽略的局限性,能实现较高精度的粗糙度识别.
目的 為瞭提取零件錶麵圖像的紋理特徵併對其錶麵粗糙度分類識彆,有效提高識彆的正確率,提齣瞭聯閤Gabor小波和改進跼部二值模式(LBP)的紋理特徵提取方法.方法 針對傳統LBP算子忽略瞭鄰域內灰度差幅值特徵的問題,提齣瞭M_LBP(magnitude considered LBP)算子.採用Gabor小波對零件錶麵圖像濾波,併計算各子圖像Gabor幅值特徵GMM(Gabor magnitude maps).應用M_LBP算子計算各GMM的M_LBP特徵譜,進而構造得到零件錶麵圖像的紋理特徵嚮量,最後通過KNN(K-nearest neighbor)算法對零件粗糙度分類識彆.結果 本文提齣的算法有效細化瞭錶麵圖像紋理特徵,對粗糙度差彆為0.2 μm的零件識彆準確率達到98％,遠高于利用傳統LBP算子提取的紋理信息的識彆準確率.結論 本文提齣瞭一種有效細化LBP紋理特徵的M_LBP算子,併通過與Gabor小波的結閤,突破瞭傳統LBP算子呎度、方嚮單一,幅值信息被忽略的跼限性,能實現較高精度的粗糙度識彆.
목적 위료제취령건표면도상적문리특정병대기표면조조도분류식별,유효제고식별적정학솔,제출료연합Gabor소파화개진국부이치모식(LBP)적문리특정제취방법.방법 침대전통LBP산자홀략료린역내회도차폭치특정적문제,제출료M_LBP(magnitude considered LBP)산자.채용Gabor소파대령건표면도상려파,병계산각자도상Gabor폭치특정GMM(Gabor magnitude maps).응용M_LBP산자계산각GMM적M_LBP특정보,진이구조득도령건표면도상적문리특정향량,최후통과KNN(K-nearest neighbor)산법대령건조조도분류식별.결과 본문제출적산법유효세화료표면도상문리특정,대조조도차별위0.2 μm적령건식별준학솔체도98％,원고우이용전통LBP산자제취적문리신식적식별준학솔.결론 본문제출료일충유효세화LBP문리특정적M_LBP산자,병통과여Gabor소파적결합,돌파료전통LBP산자척도、방향단일,폭치신식피홀략적국한성,능실현교고정도적조조도식별.
