帶鋼表面缺陷紋理存在復(fù)雜性、多樣性,導(dǎo)致對(duì)帶鋼表面紋理缺陷進(jìn)行分類十分困難,為此,提出一種基于鯨魚群算法的自適應(yīng)優(yōu)化Gabor濾波器。首先,利用各項(xiàng)異性擴(kuò)散濾波抑制缺陷圖片之中的偽邊緣,再以不同種類缺陷特征的類間差最大作為目標(biāo)函數(shù),Gabor濾波器的參數(shù)為優(yōu)化變量,采用鯨魚群算法對(duì)Gabor參數(shù)進(jìn)行尋優(yōu);然后,將所得到的Gabor特征進(jìn)行融合;最后,導(dǎo)入分類器之中進(jìn)行分類。實(shí)驗(yàn)結(jié)果表明,該方法具有較好的區(qū)分性和魯棒性,針對(duì)常見(jiàn)的帶鋼表面缺陷,如沖孔、污漬、刮邊、黑氧化條、結(jié)疤等最終的分類精度能達(dá)到97.5%。

【文章頁(yè)數(shù)】：6 頁(yè)

【文章目錄】：
0 引言
1 相關(guān)工作
    1.1 各向異性擴(kuò)散濾波
    1.2 Gabor濾波器
2 基于鯨魚群算法改進(jìn)的Gabor濾波器
    2.1 鯨魚群算法優(yōu)化Gabor濾波器參數(shù)
    2.2 Gabor特征融合
3 實(shí)驗(yàn)描述及結(jié)果分析
    3.1 實(shí)驗(yàn)數(shù)據(jù)
    3.2 參數(shù)選擇
    3.3 實(shí)驗(yàn)結(jié)果分析
4 結(jié)語(yǔ)



本文編號(hào)：3839010