基于AdaBoost分類器的帶鋼表面缺陷識別研究.pdf

1、帶鋼是國民經(jīng)濟的支柱產(chǎn)業(yè)，在經(jīng)濟的發(fā)展中占據(jù)著重要位置，由于其在人民生活中的應(yīng)用越來越廣泛，人們對其表面質(zhì)量也越來越關(guān)注。通過對帶鋼領(lǐng)域國內(nèi)外發(fā)展現(xiàn)狀的分析，發(fā)現(xiàn)采集到的樣本一般都具有對比度不明顯、灰度不均勻等缺點，嚴重影響了帶鋼質(zhì)量，制約了鋼鐵企業(yè)的發(fā)展。因此，有效識別帶鋼表面缺陷，提高帶鋼表面的質(zhì)量是帶鋼領(lǐng)域的一項迫切的任務(wù)。
　　本文首先對采集到的樣本進行圖像去噪和圖像分割等預處理，在圖像去噪的過程中針對圖像噪聲特性，提出了

2、自適應(yīng)中值濾波方法。此方法在有效的去除圖像噪聲的同時可以盡可能的保存了圖像的細節(jié)，明顯的減小了由于濾波造成的圖像模糊。在邊緣檢測算法中，采用Canny算子提取缺陷圖像的邊緣，強化了邊緣特征，使分割后圖像的質(zhì)量得到了明顯的改善，為特征提取奠定了基礎(chǔ)。
　　其次，在特征提取方面，提取了能夠表征缺陷圖像特征的紋理特征和形狀幾何特征，共40維作為原始的特征數(shù)據(jù)集?？紤]到識別的速度和可靠性，在特征選擇方面提出了一種改進的ReliefF特征選