帶鋼表面缺陷圖像的一類特征提取及其降維方法研究.pdf

1、帶鋼在鋼鐵工業(yè)中占有極其重要的地位，它不僅在汽車、家電等人們生活所需要的產(chǎn)品中得到廣泛運用，而且是軍事、造船、航空航天等行業(yè)的重要原材料，其表面質(zhì)量直接影響最終產(chǎn)品的質(zhì)量和性能。進(jìn)行帶鋼表面質(zhì)量在線檢測研究不僅具有重要的理論創(chuàng)新意義，而且具有重大的工程應(yīng)用價值。
　　缺陷圖像的模式識別是帶鋼表面缺陷檢測的關(guān)鍵，而特征提取是模式識別中最為重要的步驟。特征提取極大地影響著分類器的設(shè)計和性能，假設(shè)對不同類別所提取的特征差別很大，那就比較

2、容易設(shè)計出具有較好性能的分類器。但是由于帶鋼表面缺陷種類較多、且每類缺陷又會呈現(xiàn)出多樣性，致使不容易找到那些最重要的特征，即可分離性高的特征。這就使得特征提取的任務(wù)復(fù)雜化而成為構(gòu)造模式識別系統(tǒng)最困難的任務(wù)之一。
　　本文所研究的內(nèi)容和成果如下:
　　(1)首先總結(jié)了帶鋼表面缺陷檢測領(lǐng)域常用的特征提取方法，并實驗提取了幾何形狀特征、灰度直方圖統(tǒng)計特征、小波變換特征、灰度共生矩陣特征、矩特征等常用特征，分析了各圖像特征的優(yōu)缺點，

3、并重點指出了直方圖統(tǒng)計特征不能描述圖像本質(zhì)特征和矩特征在類間所呈現(xiàn)的不變性等應(yīng)用在帶鋼表面缺陷檢測領(lǐng)域的不足。
　　(2)基于對以上兩種灰度類特征的分析，給出了基于哺乳動物視覺特性的脈沖耦合神經(jīng)網(wǎng)絡(luò)（PCNN)模型的特征提取方法。該方法利用PCNN模型的動態(tài)脈沖發(fā)放特性和神經(jīng)元捕獲點火特性提取出4維脈沖輸出序列特征和2維點火時間信號特征。這些特征充分表達(dá)了鄰域像素的灰度分布及其空間位置關(guān)系，而且具有很好的不變性。實驗表明，該方法提

4、取的特征具有很好的可分離性，有效的提高了識別率。
　　(3)為了更全面的描述圖像特征，往往需要將各種特征組合到一起來更全面的描述缺陷信息。但經(jīng)組合后的特征維數(shù)較高，為了進(jìn)一步提高識別效率和滿足實時性要求，本文提出一種基于ReliefF的快速特征降維算法。該方法利用ReliefF算法進(jìn)行特征評估去除與分類不相關(guān)特征，并采用相關(guān)系數(shù)消除特征間的冗余，選擇出一組對分類貢獻(xiàn)較優(yōu)的特征來描述缺陷信息。這樣能夠快速達(dá)到特征降維的目的，保留有區(qū)