基于SVD和SVM的復(fù)雜背景噪聲圖像的紙病辨識.pdf

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