学位论文 > 优秀研究生学位论文题录展示

基于机器视觉的带钢表面缺陷识别研究

作　者: 方小明
导　师: 杨延西
学　校: 西安理工大学
专　业: 模式识别与智能系统
关键词: 带钢表面缺陷图像去噪特征提取主成分分析神经网络
分类号: TP391.41
类　型: 硕士论文
年　份: 2009年
下　载: 63次
引　用: 0次
阅　读: 论文下载

内容摘要

随着社会的进步和发展,带钢产品在社会生产和生活中应用越来越广泛。带钢表面质量直接影响其后续产品的质量,现有的检测方法在高速带钢生产线中存在实时性差、识别率较低等弊端,已成为制约带钢相关工业发展的瓶颈技术,所以带钢表面缺陷检测方法成为国内外研究的热点之一。本文对带钢表面缺陷识别技术进行了深入研究。采用信噪比分析了多种滤波器对噪声的滤出效果,选择滤波效果最好的自适应中值滤波进行滤波。对比多种边缘检测实验效果,综合考虑实时性和精度的要求选择Canny算子进行边缘检测。采用添加高斯噪声和椒盐噪声实验,验证了不变矩、灰度特征和纹理特征在受噪声影响仍保持良好的性能。本文采用上述三种特征信息作为主成分分析的原始18维数据空间。采用主成分分析对原始的高维数据空间进行优化,去除了数据间信息重叠,使用wilks准则对主分量进行选择,保证了重构数据具有最佳可分性。本文对比了采用BP神经网络直接进行识别,和采用主成分分析分别与BP神经网络、RBF神经网络相结合的识别别效果。实验结果表明采用wilks准则主成分分析与RBF结合的识别方法,能够有效降低样本空间的大小和分类器设计的复杂程度,有效地提高了分类精度。

全文目录

摘要  3-4
Abstract  4-7
1 绪论  7-11
  1.1 研究意义  7-8
  1.2 课题的来源  8
  1.3 国内外研究现状  8-10
    1.3.1 国外研究现状  9
    1.3.2 国内研究现状  9-10
  1.4 课题的研究内容  10-11
2 带钢表面缺陷识别系统方案设计  11-14
  2.1 整体方案设计  11
  2.2 图像识别部分的设计  11-14
3 图像处理  14-31
  3.1 图像预处理  14-23
    3.1.1 均值滤波  15-16
    3.1.2 中值滤波  16-17
    3.1.3 自适应中值滤波  17-18
    3.1.4 维纳滤波  18-19
    3.1.5 四种滤波器的滤波效果对比  19-22
    3.1.6 小结与分析  22-23
  3.2 图像有无缺陷检测  23
  3.3 图像分割  23-29
    3.3.1 基于一阶微分的边缘检测算子  24-26
    3.3.2 二阶边缘检测算子  26-27
    3.3.3 Canny算子  27
    3.3.4 Log滤波方法  27-28
    3.3.5 缺陷图像分割算法比较  28-29
  3.4 本章小结  29-31
4 特征提取和选择  31-46
  4.1 样本的选取  31-33
  4.2 形态特征  33-40
    4.2.1 Hu不变矩的算法及其物理意义  33-35
    4.2.2 Hu不变矩的基本性质  35-40
  4.3 灰度特征  40-42
  4.4 纹理特征  42-45
  4.5 本章小结  45-46
5 主成分分析  46-54
  5.1 主成分分析简介  46-50
    5.1.1 主成分分析基本定义和性质  47-48
    5.1.2 主成分分析的算法和步骤  48-49
    5.1.3 主成分分析对数据的要求  49
    5.1.4 主成分分析中的相关问题解释  49-50
  5.2 特征提取中主成分的实际应用  50-51
  5.3 主成分分析可分性分析  51-53
  5.4 本章小结  53-54
6 缺陷识别方法研究  54-66
  6.1 模式识别基本原理  54-56
    6.1.1 模式识别概念  54-55
    6.1.2 模式识别方法  55-56
  6.2 基于神经网络的分类器设计  56-61
    6.2.1 神经网络的基本概念  56-58
    6.2.2 BP神经网络  58-59
    6.2.3 RBF神经网络  59-60
    6.2.4 最近邻聚类学习算法改进RBF神经网络  60-61
  6.3 实验仿真分析  61-65
  6.4 小结  65-66
7 总结与展望  66-67
致谢  67-68
参考文献  68-70

基于机器视觉的带钢表面缺陷识别研究

内容摘要

全文目录

相似论文