基于非下采样Contourlet变换和PCNN的表面缺陷自动识别方法

摘要：

基于多尺度几何分析的表面缺陷特征提取方法中,常用的可分离二维Wavelet基是各向同性的,无法有效表示图像的纹理和边缘,且通常对多尺度分解系数所提取的特征不全面.提出基于非下采样Contourlet变换(NSCT)和脉冲耦合神经网络(PCNN)的特征提取方法,并应用于冷轧带钢表面缺陷自动识别.首先用NSCT对缺陷图像进行多尺度多方向分解；然后将子带图像输入PCNN迭代点火,计算点火图的熵序列作为子图的特征,合并各子图特征得到原图的特征向量；最后用支持向量机进行分类识别.该方法能够全面准确提取缺陷图像信息,尤其是纹理边缘等方向信息,且方法可并行实现,PCNN不需要训练.利用从生产线现场采集的缺陷图像对文中方法进行了试验,识别率达95.44％.

关键词：表面检测、特征提取、非下采样Contourlet变换、脉冲耦合神经网络、多尺度几何分析

所属期刊栏目：21

分类号：TP391(计算技术、计算机技术)

资助基金：国家自然科学基金项目11175160;湖北省自然科学基金重点项目2010CDA007

在线出版日期：2013-03-21（万方平台首次上网日期，不代表论文的发表时间）

页数：共11页

页码：174-184