学位论文 > 优秀研究生学位论文题录展示

镀锌板表面缺陷分割算法研究

作　者: 裴广涛
导　师: 康戈文
学　校: 电子科技大学
专　业: 模式识别与智能系统
关键词: 镀锌板图像 缺陷分割 机器学习 频谱残差 Gabor滤波器
分类号: TP391.41
类　型: 硕士论文
年　份: 2008年
下　载: 81次
引　用: 0次
阅　读: 论文下载
 

内容摘要


纹理图像分割是连接低级视觉和高级视觉的桥梁和纽带,是大多数视觉系统中最为重要的环节之一,其结果决定了高级视觉中各种应用的最终输出质量。镀锌板图像作为一种复杂的纹理图像,其表面纹理缺陷分割是质量检测系统中至关重要的环节,缺陷分割的高效性、准确性将直接影响后续的分类和识别。本文基于图像处理技术,针对镀锌板图像纹理特点,阐述了几种有效的分割算法:将基于频谱残差的分析方法应用于镀锌板表面缺陷分割,并进行了改进,探索了它在纹理图像分割中的应用。通过去除待分割图像对数频谱中的平均成分,从而忽略图像中频繁出现的纹理特征,突出那些异常的纹理区域。提出了一种基于一维最优Gabor滤波器的镀锌板表面缺陷分割算法。Gabor滤波器具有良好的空间-频率域局部特性,有效地结合了图像的空间、频率域特征。本文中首先将二维图像信号压缩为一维信号,然后设计了一种基于一维最优Gabor滤波器的缺陷分割算法模型,这种算法可以广泛地应用于镀锌板、砂纸、皮革、木材等纹理图像的表面缺陷分割。对基于最优FIR滤波器的纹理图像分割算法的分割性能进行了详细的分析;从分割效果、鲁棒性及计算复杂度三方面,对该算法与本文介绍的算法进行了详细的对比分析,并得出以下结论:■基于频谱残差的缺陷分割算法能很好地定位和分割缺陷,对缺陷的方向、光照不均等影响因素,具有很强的适应性;该算法原理简单,运算速度较快,是一种非监督的分割算法。■单通道FIR滤波器的分割效果严重地依赖于训练时使用的缺陷纹理,鲁棒性较差。多通道FIR滤波器的分割性能不随缺陷大小、方向和背景粗糙度的改变而影响分割质量,具有很强的鲁棒性。但是,在训练过程中需要大量的缺陷纹理信息支持,并且如何将各通道的信息有效地融合使分割的结果达到最优,完全靠经验。■基于一维最优Gabor滤波器的分割算法具有良好的局部特性,对各种缺陷的分割结果优于或接近多通道FIR滤波器的分割结果,具有很强的鲁棒性,并且在训练学习过程中,不需要预知任何缺陷纹理信息。

全文目录


摘要  4-5
ABSTRACT  5-9
第一章 绪论  9-15
  1.1 本课题的研究背景及意义  9-11
  1.2 纹理图像分割的研究现状  11-12
  1.3 研究的难点  12-13
  1.4 本文的主要内容与组织结构  13-14
  1.5 本章小结  14-15
第二章 纹理图像分割及评价概述  15-26
  2.1 纹理图像分割  15-22
    2.1.1 基于统计的分割方法  16-17
    2.1.2 基于模型的分割方法  17-19
    2.1.3 基于频域的分割方法  19-21
    2.1.4 基于模板卷积的分割方法  21-22
  2.2 图像分割评价  22-25
    2.2.1 分析法  22-23
    2.2.2 实验法  23-25
  2.3 本章小结  25-26
第三章 基于频谱残差的纹理缺陷分割  26-35
  3.1 频谱残差模型  26-31
    3.1.1 图像的对数频谱描述  27-28
    3.1.2 从频谱残差提取图像异常信息  28-30
    3.1.3 缺陷纹理区域提取  30-31
  3.2 实验结果及分析  31-34
  3.3 本章小结  34-35
第四章 基于一维最优GABOR滤波器的纹理缺陷分割  35-49
  4.1 一维Gabor滤波器缺陷分割模型的引出  35-38
  4.2 基于一维最优Gabor滤波器的缺陷分割  38-42
    4.2.1 二维图像信号的一维圆周投影描述  38-40
    4.2.2 基于一维最优Gabor滤波器的分割模型设计  40-41
    4.2.3 模型参数优化  41-42
  4.3 实验结果及分析  42-48
  4.4 本章小结  48-49
第五章 算法对比与分析  49-64
  5.1 基于最优FIR滤波器的缺陷分割简介及分析  49-53
    5.1.1 算法原理简介  49-50
    5.1.2 性能分析  50-53
  5.2 算法对比分析  53-62
    5.2.1 分割效果对比  54-59
    5.2.2 鲁棒性对比  59
    5.2.3 运算速度对比  59-60
    5.2.4 算法评价  60-62
  5.3 各分割算法的特点总结  62-63
  5.4 本章小结  63-64
第六章 总结  64-66
  6.1 本文的主要内容及贡献  64
  6.2 后续工作  64-66
致谢  66-67
参考文献  67-71
攻硕期间取得的研究成果  71

相似论文

  1. 基于数据分布特征的文本分类研究,TP391.1
  2. 基于条件随机场的中文分词技术的研究与实现,TP391.1
  3. 非织造布疵点检测研究,TP391.41
  4. 领域知识指导的半监督学习和主动学习倾向性分类研究,TP181
  5. Android恶意软件静态检测方案的研究,TP309
  6. 监督主题模型的研究与应用,TP391.1
  7. 基于失真效应的图像质量评价与分类,TP391.41
  8. 基于学习的逆向运动学人体运动合成,TP391.41
  9. 基于内容的网页恶意代码检测的研究与实现,TP393.092
  10. 学术主页信息抽取系统的研究,TP393.092
  11. 社会化网络中的推荐算法及其应用,TP391.3
  12. 数据挖掘在邮件反垃圾系统中的应用,TP393.098
  13. 基于自学习的社会关系抽取的研究,TP391.1
  14. 基于统计与图模型的若干机器学习算法及其应用,TP181
  15. P2P流量识别方法研究,TP393.06
  16. 基于粗糙集和SVM的国防生综合素质测评方法研究,E075
  17. 基于SIFT特征和SVM的场景分类,TP391.41
  18. 基于稀疏编码与机器学习的图像内容识别算法研究,TP391.41
  19. 随机森林特征选择,TP311.13
  20. 互联网流量应用基准分类技术的研究,TP393.06
  21. 基于丰富特征和多核学习的蛋白质关系抽取,Q51

中图分类: > 工业技术 > 自动化技术、计算机技术 > 计算技术、计算机技术 > 计算机的应用 > 信息处理（信息加工） > 模式识别与装置 > 图像识别及其装置
© 2012 www.xueweilunwen.com