带钢表面缺陷图像的一类特征提取及其降维方法研究

论文摘要

带钢在钢铁工业中占有极其重要的地位,它不仅在汽车、家电等人们生活所需要的产品中得到广泛运用,而且是军事、造船、航空航天等行业的重要原材料,其表面质量直接影响最终产品的质量和性能。进行带钢表面质量在线检测研究不仅具有重要的理论创新意义,而且具有重大的工程应用价值。缺陷图像的模式识别是带钢表面缺陷检测的关键,而特征提取是模式识别中最为重要的步骤。特征提取极大地影响着分类器的设计和性能,假设对不同类别所提取的特征差别很大,那就比较容易设计出具有较好性能的分类器。但是由于带钢表面缺陷种类较多、且每类缺陷又会呈现出多样性,致使不容易找到那些最重要的特征,即可分离性高的特征。这就使得特征提取的任务复杂化而成为构造模式识别系统最困难的任务之一。本文所研究的内容和成果如下：(1)首先总结了带钢表面缺陷检测领域常用的特征提取方法,并实验提取了几何形状特征、灰度直方图统计特征、小波变换特征、灰度共生矩阵特征、矩特征等常用特征,分析了各图像特征的优缺点,并重点指出了直方图统计特征不能描述图像本质特征和矩特征在类间所呈现的不变性等应用在带钢表面缺陷检测领域的不足。(2)基于对以上两种灰度类特征的分析,给出了基于哺乳动物视觉特性的脉冲耦合神经网络(PCNN)模型的特征提取方法。该方法利用PCNN模型的动态脉冲发放特性和神经元捕获点火特性提取出4维脉冲输出序列特征和2维点火时间信号特征。这些特征充分表达了邻域像素的灰度分布及其空间位置关系,而且具有很好的不变性。实验表明,该方法提取的特征具有很好的可分离性,有效的提高了识别率。(3)为了更全面的描述图像特征,往往需要将各种特征组合到一起来更全面的描述缺陷信息。但经组合后的特征维数较高,为了进一步提高识别效率和满足实时性要求,本文提出一种基于ReliefF的快速特征降维算法。该方法利用ReliefF算法进行特征评估去除与分类不相关特征,并采用相关系数消除特征间的冗余,选择出一组对分类贡献较优的特征来描述缺陷信息。这样能够快速达到特征降维的目的,保留有区分能力的特征,既可以解决由于特征过多引起的缺陷实时识别过慢的缺点,也可以解决由于缺陷特征过杂引起的识别率下降等问题。采用本文提出的方法对采集的边缘锯齿、焊缝、夹杂、抬头纹、锈斑和划痕六大类缺陷共1523个样本进行了分类识别研究。实验表明,缺陷图像的识别率达到94.15%。

论文目录

• 摘要
• Abstract
• 第1章 绪论
• 1.1 研究的背景
• 1.2 国内外研究现状
• 1.2.1 国外发展现状
• 1.2.2 国内主要研究成果
• 1.2.3 缺陷图像特征提取算法存在的主要问题及解决思路分析
• 1.3 课题研究的目的和意义
• 1.4 研究的主要内容
• 第2章 带钢表面缺陷图像常用特征提取方法
• 2.1 图像的获取与分类
• 2.1.1 图像的获取
• 2.1.2 图像的分类
• 2.2 图像特征提取
• 2.2.1 图像特征相关概念
• 2.2.2 常用的特征提取方法分类
• 2.3 本章小结
• 第3章 脉冲耦合神经网络模型及与特征提取相关特性
• 3.1 脉冲耦合神经网络的兴起与发展
• 3.1.1 脉冲耦合神经网络的兴起
• 3.1.2 脉冲耦合神经网络在图像特征提取方面的发展
• 3.2 脉冲耦合神经网络模型及简化
• 3.3 脉冲耦合神经网络的基本特性分析
• 3.4 脉冲耦合神经网络的工作原理
• 3.5 本章小结
• 第4章 脉冲耦合神经网络特征提取
• 4.1 基于PCNN模型的图像预处理
• 4.2 脉冲耦合神经网络的二值输出序列特征
• 4.2.1 模型的选择
• 4.2.2 PCNN输出二值图像
• 4.2.3 图像的NMI特征
• 4.2.4 二值序列图像NMI特征提取
• 4.3 基于PCNN模型的缺陷图像分割
• 4.3.1 最大熵准则
• 4.3.2 基于最大熵原则的缺陷图像分割原理
• 4.3.3 缺陷图像分割实验结果
• 4.4 基于PCNN点火时间信号不变性特征提取
• 4.4.1 点火时间信号及对图像的空间几何特性描述
• 4.4.2 点火时间信号的不变性特征分析
• 4.5 点火时间信号重心特征
• 4.5.1 赋时矩阵的定义
• 4.5.2 赋时矩阵的重心特征
• 4.6 基于PCNN的特征提取实验结果
• 4.7 本章小结
• 第5章 缺陷图像的快速特征降维算法
• 5.1 图像特征降维
• 5.1.1 类别可分离性判据
• 5.1.2 遗传算法
• 5.1.3 ReliefF特征降维算法
• 5.2 RFCC特征降维算法
• 5.3 实验结果
• 5.4 本章小结
• 第6章 结论
• 参考文献
• 致谢