基于Tetrolet变换的热轧钢板表面缺陷识别方法
通过 Tetrolet 变换将热轧钢板表面图像分解成不同尺度和方向的子带,提取子带的 Tetrolet 高通系数矩阵特征,得到一个高维的特征矢量。利用核保局投影算法对高维特征矢量进行降维,将降维后的低维特征矢量输入支持向量机,从而实现热轧钢板表面缺陷的分类识别。对现场采集到的热轧钢板表面图像样本进行试验,包括横向裂纹、纵向裂纹、横向划伤、纵向划伤、结疤、麻点、网纹、压痕等8类常见热轧钢板表面缺陷,以及氧化铁皮和无缺陷等样本。试验结果表明基于Tetrolet变换方法对样本图像的识别率可达97.38%,比基于Curvelet变换、Contourlet变换等方法得到的识别率提高1%左右。
热轧钢板、表面检测、特征提取、多尺度几何分析、Tetrolet变换
52
TP391(计算技术、计算机技术)
“十二五”国家科技支撑计划2012BAB19B06;教育部博士点基金20120006110033资助项目。20150815收到初稿,20151225收到修改稿
2016-04-21(万方平台首次上网日期,不代表论文的发表时间)
共7页
13-19