發(fā)布時(shí)間：2017-08-02 23:17

  本文關(guān)鍵詞：基于支持向量機(jī)的帶鋼表面缺陷識(shí)別問(wèn)題研究

  更多相關(guān)文章： 帶鋼表面缺陷 圖像預(yù)處理 特征提取 特征選擇 模式識(shí)別 支持向量機(jī)

【摘要】：冷軋帶鋼是家用電器、機(jī)械制造等工業(yè)領(lǐng)域所必不可少的原材料之一。帶鋼表面質(zhì)量直接影響后續(xù)產(chǎn)品的質(zhì)量,因此,帶鋼表面質(zhì)量的控制與提高是許多企業(yè)最為關(guān)心的問(wèn)題之一,帶鋼表面缺陷檢測(cè)技術(shù)隨之受到了越來(lái)越多的重視。模式識(shí)別是整個(gè)檢測(cè)系統(tǒng)的關(guān)鍵,本文對(duì)帶鋼表面缺陷圖像進(jìn)行預(yù)處理、特征的提取與選擇及模式識(shí)別。由于現(xiàn)場(chǎng)環(huán)境中的噪聲污染及光學(xué)系統(tǒng)影響等因素都會(huì)降低原圖像的質(zhì)量,進(jìn)而影響后續(xù)分類過(guò)程,因此,首先對(duì)帶鋼表面缺陷圖像進(jìn)行預(yù)處理。針對(duì)上述問(wèn)題,采取了自適應(yīng)中值濾波算法與同態(tài)濾波算法相結(jié)合的方法,前者可以較好的實(shí)現(xiàn)圖像去噪,后者可以較穩(wěn)定的去除圖像不均勻,最終使圖像質(zhì)量得到了較好的改善。其次,在紋理與形態(tài)兩方面對(duì)圖像進(jìn)行特征提取,并將其作為原始特征。由于混合后的原始特征以后容易出現(xiàn)特征冗余或者維數(shù)過(guò)高的情況,進(jìn)而影響缺陷模式識(shí)別的效果,因此,采取了ReliefF算法與聚類算法相結(jié)合的方法進(jìn)行特征篩選。前者用于篩選對(duì)分類有用的特征,后者用于剔除冗余特征,并詳細(xì)闡述了此方法的基本原理。最后,采用支持向量機(jī)進(jìn)行缺陷模式識(shí)別,針對(duì)其容易對(duì)分類面附近的樣本分錯(cuò)類別的情況,在支持向量機(jī)中加入了k近鄰算法,針對(duì)k近鄰算法中樣本類別分布不均容易導(dǎo)致樣本錯(cuò)分的情況,對(duì)k近鄰進(jìn)行改進(jìn),提出了改進(jìn)后的KSVM算法。仿真結(jié)果表明,分類器經(jīng)過(guò)改進(jìn)后,其性能優(yōu)于傳統(tǒng)的支持向量機(jī)。
【關(guān)鍵詞】：帶鋼表面缺陷 圖像預(yù)處理 特征提取 特征選擇 模式識(shí)別 支持向量機(jī)
【學(xué)位授予單位】：河北科技大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2016
【分類號(hào)】：TG335.56;TP18
【目錄】：

• 摘要4-5
• Abstract5-9
• 第1章 緒論9-13
• 1.1 課題研究背景及意義9-10
• 1.2 帶鋼表面缺陷檢測(cè)技術(shù)發(fā)展現(xiàn)狀10-12
• 1.2.1 國(guó)外發(fā)展現(xiàn)狀10-11
• 1.2.2 國(guó)內(nèi)發(fā)展現(xiàn)狀11-12
• 1.3 本文的研究?jī)?nèi)容12-13
• 第2章 帶鋼表面缺陷圖像的預(yù)處理13-23
• 2.1 圖像預(yù)處理13-18
• 2.1.1 自適應(yīng)中值濾波13-15
• 2.1.2 同態(tài)濾波15-18
• 2.2 缺陷圖像分割18-20
• 2.2.1 圖像分割的基本概念18
• 2.2.2 缺陷分割方法18-20
• 2.3 仿真實(shí)驗(yàn)結(jié)果與分析20-22
• 2.4 本章小結(jié)22-23
• 第3章 帶鋼表面缺陷圖像特征提取與選擇23-41
• 3.1 圖像特征提取23-29
• 3.1.1 紋理特征提取23-28
• 3.1.2 形態(tài)特征提取28-29
• 3.2 圖像特征選擇29-33
• 3.2.1 特征選擇30
• 3.2.2 基于ReliefF與聚類算法的特征選擇30-33
• 3.3 仿真實(shí)驗(yàn)結(jié)果與分析33-40
• 3.4 本章小結(jié)40-41
• 第4章 基于改進(jìn)支持向量機(jī)的缺陷模式識(shí)別41-55
• 4.1 支持向量機(jī)基本原理41-48
• 4.1.1 線性判別函數(shù)41-43
• 4.1.2 最優(yōu)分類面43-45
• 4.1.3 廣義最優(yōu)分類面45-46
• 4.1.4 支持向量機(jī)46-48
• 4.2 設(shè)計(jì)改進(jìn)的SVM-KNN分類器48-50
• 4.2.1 k近鄰法48-49
• 4.2.2 改進(jìn)的SVM-KNN原理49-50
• 4.3 基于改進(jìn)SVM-KNN的缺陷識(shí)別50-52
• 4.3.1 支持向量機(jī)的分類算法50-51
• 4.3.2 改進(jìn)SVM-KNN的分類算法51-52
• 4.4 仿真實(shí)驗(yàn)結(jié)果與分析52-53
• 4.5 本章小結(jié)53-55
• 結(jié)論55-57
• 參考文獻(xiàn)57-61
• 攻讀碩士學(xué)位期間所發(fā)表的論文61-63
• 致謝63

【相似文獻(xiàn)】

中國(guó)期刊全文數(shù)據(jù)庫(kù) 前10條

1 張鴻雁;;基于樹狀結(jié)構(gòu)的支持向量機(jī)多分類方法[J];煤礦機(jī)械;2008年06期

2 袁曉鷹;邵元海;王震;;基于支持向量機(jī)煤炭產(chǎn)地的鑒別研究[J];潔凈煤技術(shù);2011年04期

3 陳文杰,王晶;支持向量機(jī)在工業(yè)過(guò)程中的應(yīng)用[J];計(jì)算機(jī)與應(yīng)用化學(xué);2005年03期

4 胡哲;鄭誠(chéng);閔鵬鵬;;支持向量機(jī)及其應(yīng)用研究[J];重慶科技學(xué)院學(xué)報(bào)(自然科學(xué)版);2008年02期

5 楊靜;殷志祥;崔健中;;支持向量機(jī)的蛋白質(zhì)遠(yuǎn)程同源檢測(cè)方法分析[J];安徽理工大學(xué)學(xué)報(bào)(自然科學(xué)版);2009年03期

6 王永;程燦;戴明軍;孫永;;一種半監(jiān)督支持向量機(jī)優(yōu)化方法[J];工礦自動(dòng)化;2010年12期

7 丁勝鋒;;一種改進(jìn)的雙支持向量機(jī)[J];遼寧石油化工大學(xué)學(xué)報(bào);2012年04期

8 鄭小霞;錢鋒;;基于小波和支持向量機(jī)的故障趨勢(shì)預(yù)報(bào)[J];計(jì)算機(jī)與應(yīng)用化學(xué);2008年01期

9 王平;;基于支持向量機(jī)的空氣降塵預(yù)測(cè)[J];科技情報(bào)開發(fā)與經(jīng)濟(jì);2009年02期

10 劉培勝;賈銀山;韓云萍;;一種改進(jìn)的簡(jiǎn)化支持向量機(jī)[J];遼寧石油化工大學(xué)學(xué)報(bào);2009年01期

中國(guó)重要會(huì)議論文全文數(shù)據(jù)庫(kù) 前10條

1 余樂(lè)安;姚瀟;;基于中心化支持向量機(jī)的信用風(fēng)險(xiǎn)評(píng)估模型[A];第六屆（2011）中國(guó)管理學(xué)年會(huì)——商務(wù)智能分會(huì)場(chǎng)論文集[C];2011年

2 劉希玉;徐志敏;段會(huì)川;;基于支持向量機(jī)的創(chuàng)新分類器[A];山東省計(jì)算機(jī)學(xué)會(huì)2005年信息技術(shù)與信息化研討會(huì)論文集（一）[C];2005年

3 史曉濤;劉建麗;駱玉榮;;一種抗噪音的支持向量機(jī)學(xué)習(xí)方法[A];全國(guó)第19屆計(jì)算機(jī)技術(shù)與應(yīng)用（CACIS）學(xué)術(shù)會(huì)議論文集（下冊(cè)）[C];2008年

4 何琴淑;劉信恩;肖世富;;基于支持向量機(jī)的系統(tǒng)辨識(shí)方法研究及應(yīng)用[A];中國(guó)力學(xué)大會(huì)——2013論文摘要集[C];2013年

5 劉駿;;基于支持向量機(jī)方法的衢州降雪模型[A];第五屆長(zhǎng)三角氣象科技論壇論文集[C];2008年

6 王婷;胡秀珍;;基于組合向量的支持向量機(jī)方法預(yù)測(cè)膜蛋白類型[A];第十一次中國(guó)生物物理學(xué)術(shù)大會(huì)暨第九屆全國(guó)會(huì)員代表大會(huì)摘要集[C];2009年

7 趙晶;高雋;張旭東;謝昭;;支持向量機(jī)綜述[A];全國(guó)第十五屆計(jì)算機(jī)科學(xué)與技術(shù)應(yīng)用學(xué)術(shù)會(huì)議論文集[C];2003年

8 周星宇;王思元;;智能數(shù)學(xué)與支持向量機(jī)[A];2005年中國(guó)智能自動(dòng)化會(huì)議論文集[C];2005年

9 顏根廷;馬廣富;朱良寬;宋斌;;一種魯棒支持向量機(jī)算法[A];2006中國(guó)控制與決策學(xué)術(shù)年會(huì)論文集[C];2006年

10 侯澍e，

本文編號(hào)：611670