基于HOG局部双线性插值的机械零部件检测与识别

摘要：

传统方向梯度直方图(HOG)特征方法用于机械零部件检测时,对零部件的微小缺陷点的检测和识别不是很有效,因此课题组提出了一种局部双线性插值的HOG特征提取改进算法,将其用于小缺陷点的零件的检测和识别.首先,在图像内部的某个块上实现局部双线性插值;然后对局部双线性插值图像块进行梯度计算,提取新的梯度方向直方图;最后利用神经网络分类方法对具有微小缺陷点的零件进行检测.实验结果表明:局部双线性插值HOG特征提取方法比传统的HOG特征提取方法具有更好的检测性能;增强图像的抗混叠识别效果.

关键词：零件检测、方向梯度直方图(HOG)、局部双线性插值、神经网络

所属期刊栏目：38

分类号：TH164;TP274

资助基金：国家自然科学基金项目51805312;上海市地方能力建设资助19030501100

在线出版日期：2020-04-10（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：65-70