基于非下采样Contourlet变换和PCNN的表面缺陷自动识别方法

• 作者: 周新星 孙林 李东明 王典洪 王洪亮
• 来源期刊: 应用基础与工程科学学报
• 学科: 工学
• 关键词: 表面检测 特征提取 非下采样Contourlet变换 脉冲耦合神经网络 多尺度几何分析
• 年，卷（期）: 2013,（1）
• 页码范围: 174-184
• 页数: 11页
• 分类号: TP391
• 字数: 7197字
• 语种: 中文
• DOI: 10.3969/j.issn.1005-0930.2013.01.019

摘要

基于多尺度几何分析的表面缺陷特征提取方法中,常用的可分离二维Wavelet基是各向同性的,无法有效表示图像的纹理和边缘,且通常对多尺度分解系数所提取的特征不全面.提出基于非下采样Contourlet变换(NSCT)和脉冲耦合神经网络(PCNN)的特征提取方法,并应用于冷轧带钢表面缺陷自动识别.首先用NSCT对缺陷图像进行多尺度多方向分解；然后将子带图像输入PCNN迭代点火,计算点火图的熵序列作为子图的特征,合并各子图特征得到原图的特征向量；最后用支持向量机进行分类识别.该方法能够全面准确提取缺陷图像信息,尤其是纹理边缘等方向信息,且方法可并行实现,PCNN不需要训练.利用从生产线现场采集的缺陷图像对文中方法进行了试验,识别率达95.44％.