基于Curvelet变换和支持向量机的磁瓦表面缺陷识别方法

摘要：

针对磁瓦表面缺陷对比度低、自动识别困难的问题,作者提出了一种对磁瓦图像应用快速离散Curvelet变换（FDCT）提取特征,并用支持向量机（SVM）分类器进行分类的磁瓦微小缺陷自动识别方法。该方法首先对磁瓦图像做分块处理,并对各分块图像应用FDCT,计算分解系数的l2范数,获得磁瓦不同方向的纹理频域特征;然后以归一化的分解系数l2范数作为支持向量机分类器的特征向量,对图像做出分类。对不同缺陷占比的图像进行实验测试,结果显示,当缺陷部分占分块图像的比例在1/64以上时正确识别率大于83%。

关键词：Curvelet变换、表面缺陷、纹理、支持向量机

所属期刊栏目：44

分类号：TP391.4(计算技术、计算机技术)

资助基金：国家科技支撑计划课题资助项目2006BAF01A07;四川省高新技术产业重大关键技术资助项目2010GZ0051

在线出版日期：2012-08-02（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：147-152