本文關(guān)鍵詞：基于核方法的帶鋼表面缺陷圖像處理和識別方法研究

  更多相關(guān)文章： 核方法 圖像處理 特征降維 模式識別 帶鋼

【摘要】：近年來,隨著大量經(jīng)典的線性學習算法通過引入核函數(shù)實現(xiàn)非線性化以來,基于核的機器學習方法(簡稱核方法)取得了飛速發(fā)展,目前已成為機器學習領(lǐng)域的研究熱點之一。帶鋼作為汽車、船舶、以及航空航天的重要原材料,其質(zhì)量好壞直接影響到后續(xù)產(chǎn)品的質(zhì)量和性能,因此將核方法應用到帶鋼表面檢測具有重大意義。本文將核方法應用到帶鋼表面缺陷檢測和分類的各個關(guān)鍵環(huán)節(jié),并根據(jù)實驗數(shù)據(jù)與傳統(tǒng)的算法進行對比。本文研究內(nèi)容與成果主要有以下幾個方面:1.研究了帶鋼表面圖像的迭代控制核回歸圖像去噪模型,并與傳統(tǒng)去噪方法進行對比,實驗結(jié)果表明,迭代控制核回歸可以在去除噪聲的同時較好的保留圖像的細節(jié)信息。2.針對所提取的帶鋼缺陷圖像幾何、灰度、紋理等高維特征,運用主成分分析和Fisher判別分析以及對應的核方法進行特征降維,并通過可視化進行對比,實驗結(jié)果表明基于核的Fisher判別分析降維后對數(shù)據(jù)具有很好的分類能力。3.針對帶鋼表面的黑斑、劃痕、翹皮、磷化斑、褶皺五類典型缺陷,對比研究了BP神經(jīng)網(wǎng)絡、及其結(jié)合主成分(PCA-BP)和核主成分分析(KPCA-BP)在帶鋼表面缺陷圖像中的識別和分類;提出了將KFDA算法應用到帶鋼表面缺陷的分類和識別中,完成了核函數(shù)的選取及核參數(shù)的優(yōu)化;對比驗證了其在帶鋼表面缺陷圖像中識別分類的有效性、快速性和穩(wěn)定性。
【關(guān)鍵詞】：核方法 圖像處理 特征降維 模式識別 帶鋼
【學位授予單位】：武漢科技大學
【學位級別】：碩士
【學位授予年份】：2016
【分類號】：TG142.15;TP391.41
【目錄】：

• 摘要4-5
• ABSTRACT5-10
• 第1章 緒論10-15
• 1.1 研究的背景及意義10
• 1.2 國內(nèi)外研究概況10-13
• 1.2.1 核方法的發(fā)展10-11
• 1.2.2 鋼板表面的機器視覺檢測國內(nèi)外研究現(xiàn)狀11-12
• 1.2.3 核方法應用綜述12-13
• 1.3 本文主要研究內(nèi)容及結(jié)構(gòu)安排13-15
• 第2章 基于核回歸圖像去噪方法的研究與應用15-28
• 2.1 經(jīng)典的去噪方法15-16
• 2.1.1 均值濾波15
• 2.1.2 中值濾波15-16
• 2.2 經(jīng)典核回歸16-18
• 2.3 迭代控制核回歸18-22
• 2.3.1 自適應核回歸18-21
• 2.3.2 迭代過程21-22
• 2.4 實驗結(jié)果分析22-27
• 2.5 本章小結(jié)27-28
• 第3章 基于核的特征降維方法的研究與應用28-52
• 3.1 帶鋼表面缺陷的特征提取28-33
• 3.1.1 幾何特征28-29
• 3.1.2 紋理特征29-30
• 3.1.3 灰度特征30-31
• 3.1.4 不變矩和拓撲特征31-32
• 3.1.5 帶鋼缺陷圖像的特征量32-33
• 3.2 主成分分析方法33-38
• 3.2.1 主成分分析數(shù)學模型和基本原理33-34
• 3.2.2 主成分分析算法步驟34-35
• 3.2.3 帶鋼表面圖像PCA降維實現(xiàn)35-38
• 3.3 基于核的主成分分析方法38-41
• 3.3.1 基于核主成分分析基本原理38-39
• 3.3.2 基于核主成分分析算法步驟39-40
• 3.3.3 帶鋼表面圖像KPCA降維實現(xiàn)40-41
• 3.4 Fisher判別分析降維41-44
• 3.4.1 Fisher判別分析降維數(shù)學模型和基本原理41-43
• 3.4.2 Fisher判別分析降維算法步驟43
• 3.4.3 帶鋼表面圖像FDA降維實現(xiàn)43-44
• 3.5 基于核的Fisher判別分析降維44-48
• 3.5.1 基于核的Fisher判別分析降維的基本原理44-46
• 3.5.2 基于核的Fisher判別分析降維算法步驟46-47
• 3.5.3 帶鋼表面圖像KFDA降維實現(xiàn)47-48
• 3.6 實驗結(jié)果分析對比48-51
• 3.6.1 各特征降維方法的分析48
• 3.6.2 實驗結(jié)果對比48-51
• 3.7 本章小結(jié)51-52
• 第4章 基于核方法的目標識別和分類52-63
• 4.1 BP神經(jīng)網(wǎng)絡的帶鋼表面缺陷識別和分類52-55
• 4.1.1 BP神經(jīng)網(wǎng)絡的模型和算法52-54
• 4.1.2 帶鋼表面缺陷BP神經(jīng)網(wǎng)絡的設(shè)計54
• 4.1.3 分類識別結(jié)果54-55
• 4.2 核Fisher判別分析的識別和分類55-61
• 4.2.1 核Fisher判別分析多類分類的原理和算法55-58
• 4.2.2 KFDA判別中RBF核函數(shù)參數(shù)σ優(yōu)化58-60
• 4.2.3 分類識別結(jié)果60-61
• 4.3 PCA-BP和KPCA-BP的帶鋼表面缺陷識別61-62
• 4.3.1 PCA-BP和KPCA-BP模型61
• 4.3.2 各識別方法結(jié)果對比分析61-62
• 4.4 本章小結(jié)62-63
• 第5章 總結(jié)與展望63-65
• 5.1 全文總結(jié)63
• 5.2 展望63-65
• 致謝65-66
• 參考文獻66-69
• 附錄1 攻讀碩士學位期間發(fā)表的論文69-70
• 附錄2 攻讀碩學位期間參加的科研項目70-71
• 詳細摘要71-75

【相似文獻】

中國期刊全文數(shù)據(jù)庫 前10條

1 張?zhí)┎?表面缺陷的檢測與評定[J];制造技術(shù)與機床;2000年04期

2 王鳳林;酸洗鋼板表面缺陷檢查裝置的開發(fā)[J];軋鋼;2000年04期

3 李惠萍;檢測鋼材表面缺陷的新方法[J];特殊鋼;2001年01期

4 李榮;檢測鋼材表面缺陷的新方法[J];上海金屬;2004年04期

5 李榮;檢查熱鋼材表面缺陷的設(shè)備[J];上海金屬;2005年04期

6 原永良;張曉剛;;電子探針在鋼材表面缺陷分析中的應用二例[J];冶金分析與測試(冶金物理測試分冊);1985年02期

7 彭惠民;;螺紋表面缺陷檢查器[J];激光與光電子學進展;1987年04期

8 席欣;;檢測鋼材表面缺陷的新方法[J];云南冶金;1990年02期

9 張?zhí)┎?表面缺陷及其評定[J];機械工人.冷加工;1992年11期

10 李榮;;檢測鋼材表面缺陷的新方法[J];上海金屬;1992年03期

中國重要會議論文全文數(shù)據(jù)庫 前10條

1 ;金屬工業(yè)中表面缺陷檢查的視覺先鋒[A];2010鋼材質(zhì)量控制技術(shù)、形狀、尺寸精度、表面質(zhì)量控制與改善學術(shù)研討會文集[C];2010年

2 全燕鳴;朱國強;姜長城;柯志勇;;小球表面缺陷自動檢測中的表面滾翻方法[A];廣州市儀器儀表學會2009年學術(shù)年會論文集[C];2010年

3 于正林;曹國華;楊東林;;軸承鋼球表面缺陷自動檢測[A];科技創(chuàng)新與節(jié)能減排——吉林省第五屆科學技術(shù)學術(shù)年會論文集（上冊）[C];2008年

4 吳建永;;瓊州大橋T梁表面缺陷的預防及處理[A];海南省公路學會2003年學術(shù)交流會論文集[C];2003年

5 貢雪南;;寶鋼1420鍍錫板表面質(zhì)量檢測與控制技術(shù)[A];薄鋼板質(zhì)量研討會論文集[C];2000年

6 錢翰城;王公平;趙建華;;鑄件表面缺陷常用挽救技術(shù)及其適用性[A];2010年重慶市機械工程學會學術(shù)年會論文集[C];2010年

7 錢翰城;王公平;趙建華;;鑄件表面缺陷常用挽救技術(shù)及其適用性[A];重慶市機械工程學會鑄造分會、重慶鑄造行業(yè)協(xié)會2010重慶市鑄造年會論文集[C];2010年

8 錢翰城;王公平;趙建華;;鑄件表面缺陷常用挽救技術(shù)及其適用性[A];2010年中國鑄造活動周論文集[C];2010年

9 王暄;秦世引;張其生;;熱軋鋼板表面缺陷的自動識別與分類[A];2001年中國智能自動化會議論文集（上冊）[C];2001年

10 楊金艷;肖良辰;;表面缺陷對鋼絲斷裂行為的影響[A];全國金屬制品信息網(wǎng)第23屆年會暨2013金屬制品行業(yè)技術(shù)信息交流會論文集[C];2013年

中國重要報紙全文數(shù)據(jù)庫 前5條

1 高宏適;鋼板表面缺陷產(chǎn)生機制研究[N];世界金屬導報;2013年

2 陳方;遠距離測繪系統(tǒng)讓大壩表面缺陷盡在掌握[N];中國水利報;2006年

3 鐘;超低碳冷軋薄板鋼表面缺陷的消除[N];世界金屬導報;2005年

4 徐科 楊朝霖 周鵬;高效算法實現(xiàn)熱軋帶鋼表面缺陷在線檢測[N];中國冶金報;2010年

5 道哥拉斯·斯塔海姆;消除表面缺陷 提高連鑄坯質(zhì)量[N];中國冶金報;2010年

中國博士學位論文全文數(shù)據(jù)庫 前10條

1 孟云吉;光晶格中空間孤子的傳輸特性研究[D];南京航空航天大學;2013年

2 陳立君;基于流形支持向量機的木材表面缺陷識別方法的研究[D];東北林業(yè)大學;2015年

3 宋克臣;面向硅鋼板表面缺陷的檢測與識別方法研究[D];東北大學;2014年

4 李長樂;冷軋帶鋼表面缺陷圖像檢測關(guān)鍵技術(shù)的研究[D];哈爾濱工業(yè)大學;2009年

5 張建川;紅鋼棒材表面缺陷圖像采集與檢測系統(tǒng)研究[D];山東大學;2012年

6 楊鐵濱;基于機器視覺的陶瓷球表面缺陷自動檢測技術(shù)研究[D];哈爾濱工業(yè)大學;2007年

7 李江波;臍橙表面缺陷的快速檢測方法研究[D];浙江大學;2012年

8 趙彥玲;基于圖像技術(shù)的鋼球表面缺陷分析與識別[D];哈爾濱理工大學;2008年

9 甘勝豐;帶鋼表面缺陷圖像檢測與分類方法研究[D];中國地質(zhì)大學;2013年

10 何志勇;基于改進Otsu法和顯著性分析的表面缺陷高效視覺檢測方法研究[D];蘇州大學;2015年

中國碩士學位論文全文數(shù)據(jù)庫 前10條

1 雷志強;磁片表面缺陷檢測技術(shù)研究[D];沈陽理工大學;2015年

2 宋丁東;基于LBP的子彈表面缺陷光電檢測算法研究[D];電子科技大學;2015年

3 尚西昌;基于圖像識別的汽車濾紙表面缺陷自動檢測研究[D];河北科技大學;2014年

4 劉偉;考慮熱效應和表面缺陷的滾動軸承性能分析[D];北京理工大學;2016年

5 唐永春;基于形態(tài)特征的熱軋型鋼表面缺陷測量分類系統(tǒng)設(shè)計研究[D];江蘇大學;2016年

6 徐信;沖壓件表面缺陷圖像檢測系統(tǒng)的研究與開發(fā)[D];廣東工業(yè)大學;2016年

7 姚丹;基于FPGA的表面缺陷在線檢測系統(tǒng)應用研究[D];西安科技大學;2015年

8 郭佳文;機械加工中亞表面缺陷對表面質(zhì)量的影響[D];湖南大學;2016年

9 王時麗;基于機器視覺的鋼軌表面缺陷檢測技術(shù)研究[D];西南科技大學;2016年

10 張建炎;激光超聲非接觸檢測高溫金屬表面缺陷研究[D];南京航空航天大學;2016年

，

本文編號：974949