基于小波與SVM技術(shù)的皮鞋缺陷分割.pdf

1、目前皮革缺陷的檢測主要靠工人目測,檢測結(jié)果受主觀因素影響大。隨著成像技術(shù)、計算機技術(shù)、計算機視覺理論及大規(guī)模集成硬件的不斷發(fā)展,使利用這些技術(shù)對皮革缺陷進(jìn)行自動檢測、識別與分析成為可能。視覺感知是從客觀三維世界到主觀解釋和理解空間的映射過程。視網(wǎng)膜先對外部世界成像,然后靠大腦視皮層將所成的像映射到的解釋理解空間。該過程不是直接處理由視網(wǎng)膜感光細(xì)胞得到的圖像電信號,而是視網(wǎng)膜首先將成像的電信號進(jìn)行編碼,得到顏色、形狀、紋理、運動等特征的高

2、維視覺信息后,再將其通過不同神經(jīng)通道平行傳輸給大腦視皮層。
　　 皮革缺陷的分割與定位,對后序的識別及分析至關(guān)重要。目前分割的主要問題是,紋理特征難以描述,弱邊界不易提取。而且噪聲,紋理與邊界都屬于高頻信號,這樣容易把噪聲信號,紋理信號誤認(rèn)為邊界信號。多數(shù)分割方法,由于沒有充分考慮人類視覺系統(tǒng)所固有的特性,受到噪聲、紋理及梯度分布影響,而得不到目標(biāo)物的光滑連續(xù)邊緣,或根本就不能正確地分割出目標(biāo)物。
　　 為了使多種皮革圖

3、像分析具有針對性,本文創(chuàng)造性將皮革圖像標(biāo)記為紋理不明顯,周期結(jié)構(gòu)性紋理和隨機結(jié)構(gòu)性紋理三大類。本文只對前兩類的分割問題進(jìn)行了深入的研究?；谇ㄌ崛D像特征來訓(xùn)練支持向量機,用訓(xùn)練好的支持向量機神經(jīng)網(wǎng)絡(luò)驅(qū)動下述不同的分割方法對待檢測圖像進(jìn)行分割。
　　 對于紋理不明顯的圖像,采用多尺度梯度與水平集方法相結(jié)合進(jìn)行分割。對于周期結(jié)構(gòu)性紋理的圖像,將曲波變換與均值漂移理論相結(jié)合,形成了有效的紋理分割新方法。首先,通過曲波變換將圖像分解

4、到各通道,對各通道的圖像進(jìn)行非線性變換得到特征圖像,然后用均值漂移算法對各通道特征圖像進(jìn)行自適應(yīng)聚類,找到各通道的奇異點,最后對所有通道濾波后的圖像進(jìn)行重構(gòu),使缺陷凸顯并通過閾值法二值化。該方法不需要學(xué)習(xí)樣本,可以快速,精確地定位到多目標(biāo)物邊界,對旋轉(zhuǎn),亮度變化,噪聲,弱邊界具有很強的魯棒性。針對彩色圖像分割問題,將曲波變換與支持向量相結(jié)合,形成了有效的彩色圖像分割新方法。首先,通過曲波變換將彩色圖像分解到各通道,用均值漂移找到各通道上