基于Curvelet变换和支持向量机的磁瓦表面缺陷识别方法
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%。
Curvelet变换、表面缺陷、纹理、支持向量机
44
TP391.4(计算技术、计算机技术)
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
2012-08-02(万方平台首次上网日期,不代表论文的发表时间)
共6页
147-152