基于SVD和SVM的復(fù)雜背景噪聲圖像的紙病辨識.pdf_第1頁
已閱讀1頁,還剩86頁未讀, 繼續(xù)免費閱讀

下載本文檔

版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請進行舉報或認(rèn)領(lǐng)

文檔簡介

1、外觀紙病是影響紙張質(zhì)量的重要因素。在紙張的生產(chǎn)過程中,多種外觀紙病時常出現(xiàn),嚴(yán)重影響了紙張質(zhì)量。且隨著對造紙速度的要求提高,依靠人工肉眼來辨識高速造紙車機生產(chǎn)的加寬橫幅紙張已經(jīng)變得不現(xiàn)實。因此,結(jié)合計算機技術(shù)發(fā)展新型智能化在線檢測系統(tǒng)來精確辨識外觀紙病是首要問題。
  在造紙生產(chǎn)線上,紙病圖像的復(fù)雜背景噪聲導(dǎo)致現(xiàn)有的辨識方法在實際應(yīng)用中并不能夠正確地辨識紙病,因此本課題在已存在的紙病檢測系統(tǒng)的基礎(chǔ)之上,通過研究五種常見且具代表性的

2、紙病—黑斑、孔洞、亮斑、褶皺、裂紋的圖像特征,提出一種新的辨識紙病的方法,本課題所做的主要工作如下。
  1)借助FPGA進行圖像預(yù)處理。為了讓紙病特征提取和識別階段處理的數(shù)據(jù)量減少,同時提高識別的精度,在紙病特征提取和識別之前,需要對CCD相機獲取的圖像信息借助FPGA進行預(yù)處理。通過比較不同模板情況下均值和中值濾波對添加噪聲的濾除效果,以及灰度差直方圖的分析,最終選用改進的中值濾波來濾除噪聲的影響。
  2)噪聲模型建立

3、。由于紙病背景圖像存在明顯的不均勻性以及較為嚴(yán)重的圖像背景噪聲,為了定量的分析紙病圖像的不均勻性、時間噪聲和空間噪聲對于辨識過程的影響,使用本質(zhì)模態(tài)分離(EMD)方法建立背景圖像的橫向灰度分布趨勢函數(shù),剔除不均勻成分,然后用自回歸模型(AR)模型建立時間噪聲和空間噪聲的數(shù)學(xué)模型。
  3)基于SVD和SVM的紙病辨識算法研究。通過對模型參數(shù)的分析得知,紙病圖像的功率譜具有不均勻性和時變性,傳統(tǒng)的濾波技術(shù)不僅濾波效果不好,還容易破壞

4、紙病信息,因此提出一種新的紙病分類辨識方法:首先使用三層二維小波分析進行信噪分離,去除背景噪聲,保留處于低頻段的紙病信息。再利用奇異值分解(SVD)技術(shù)對紙病信息提取紙病特征,最后采用支持向量機(SVM)進行紙病判斷。
  用三層二維小波對目標(biāo)圖像進行去噪處理,借助SVD進行特征提取,最后使用SVM進行紙病分類,仿真結(jié)果表明了該辨識方法的有效性,可以有效的辨識各種紙病,且辨識度在98%以上。同時結(jié)合FPGA進行預(yù)處理,將紙病所在的

溫馨提示

  • 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
  • 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負(fù)責(zé)。
  • 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請與我們聯(lián)系,我們立即糾正。
  • 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時也不承擔(dān)用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

評論

0/150

提交評論