135.
目的 纹理分类是机器视觉和设备状态检测研究的核心技术,在工业生产领域起着重要的作用。高效的纹理分类方法不仅可以提高生产效率,还可以大幅提高产品的质量和可靠性。针对工业生产中图像纹理提取计算方法复杂等缺陷,提出一种1维化图像的纹理分类方法。
方法 在图像1维化基础上,将其视为一类特殊的时域信号,引入EMD(empirical mode decomposition)特征计算方法。具体包括,通过Radon变换将2维信号1维化,评价投影信号以选取有利于分类的投影方向;对投影信号进行端点效应抑制和经验模式分解,并根据各个IMF(instrinsic mode functions)分量与原始信号构建纹理特征集;对特征集进行主成分分析,简化压缩特征集以降低特征集维数;结合支持向量机对特征集进行分类有效性评估,建立最优分类决策体系。
结果 在Brodatz和KTHTIPS数据集上展开了多尺度、多方向等纹理分类实验,取得了满意的纹理分类结果。建立了基于网点纹理识别的印刷机状态检测系统,实现了工业生产应用。通过分析多幅Brodatz图像进行了特征提取速度对比,本文方法耗时5 s左右,而GLCM、Gabor滤波分别为9.5 s和24 s左右。
结论 1维投影信号的IMF特征对于纹理特征有着很好的识别效果;由于进行了旋转投影选择并计算了统计特征,使得该方法对于多方向和多尺度纹理同样有效;所提出方法有着较高的计算效率。… …
相似文献