基于局部特征空間距離的帶鋼表面缺陷圖像特征提取方法
【專利摘要】本發(fā)明涉及一種基于局部特征空間距離的帶鋼表面缺陷圖像特征提取方法。其技術(shù)方案是：對于一幅帶鋼表面缺陷圖像預(yù)處理后的向量數(shù)據(jù)點(diǎn)Xi分別從所有幅帶鋼表面缺陷圖像預(yù)處理后的向量數(shù)據(jù)點(diǎn)構(gòu)成矩陣數(shù)據(jù)X中選擇與一幅帶鋼表面缺陷圖像預(yù)處理后的向量數(shù)據(jù)點(diǎn)Xi類別相同的K個近鄰點(diǎn)建立流形局部特征空間S(Xi)，然后以流形局部特征空間S(Xi)之間的距離度量多流形散度Js，在保持流形局部結(jié)構(gòu)不變的基礎(chǔ)上，最大化多流形散度來尋找低維投影矩陣A，實現(xiàn)帶鋼表面缺陷圖像的判別特征提取。本發(fā)明通過最大化多流形散度Js提取帶鋼表面缺陷圖像的分類特征，具有提高帶鋼表面缺陷圖像識別效果的特點(diǎn)。
【專利說明】基于局部特征空間距離的帶鋼表面缺陷圖像特征提取方法

【技術(shù)領(lǐng)域】
[0001] 本發(fā)明屬于帶鋼表面缺陷圖像特征提取【技術(shù)領(lǐng)域】。特別是涉及一種基于局部特征 空間距離的帶鋼表面缺陷圖像特征提取方法。

【背景技術(shù)】
[0002] 帶鋼是鋼鐵工業(yè)的主要產(chǎn)品形式之一，是航空航天、汽車輪船制造等必備原材料， 關(guān)系到許多制造行業(yè)的發(fā)展。近年來，帶鋼的需求量不斷增加，并要求具有較高的表面質(zhì) 量。而在其軋制過程中，由于連鑄鋼坯、乳制設(shè)備及軋制工藝等原因，導(dǎo)致軋制鋼板表面出 現(xiàn)了裂紋、氧化鐵皮、結(jié)疤、輥印、刮傷、孔洞和麻點(diǎn)等缺陷，這些缺陷不僅影響了產(chǎn)品外觀， 更重要的是降低了產(chǎn)品的抗腐蝕性、抗磨性及疲勞強(qiáng)度等使用性能，因此給產(chǎn)品埋下了安 全隱患。故帶鋼的表面質(zhì)量檢測尤為重要。
[0003] 帶鋼表面質(zhì)量檢測經(jīng)歷了人工目測檢測、傳統(tǒng)無損檢測和基于圖像識別檢測的三 個發(fā)展階段。目前，基于圖像模式識別的帶鋼表面質(zhì)量檢測方法是研究的熱點(diǎn)，其中帶鋼 表面缺陷圖像識別是冷軋帶鋼表面缺陷檢測的關(guān)鍵，而帶鋼表面缺陷圖像特征提取是其中 最為重要的步驟，帶鋼表面缺陷圖像特征提取的好壞直接影響著最終的檢測效果。針對帶 鋼表面缺陷圖像特征提取及分類，一些專家和學(xué)者對其進(jìn)行了較多研究：S.Arivazhagan 和L.Ganesan將小波變換應(yīng)用于紋理分類，取得了較好的效果；XuechuanWang和Kuldip K.Paliwal對標(biāo)準(zhǔn)的特征提取方法以及如何降低特征向量的維數(shù)進(jìn)行了闡述；H.zhang等 利用計算機(jī)仿真實驗，證明利用小波變換函數(shù)可以很好地提取圖像的不同特征，進(jìn)行圖像 分析。但是由于帶鋼表面缺陷種類繁多和特征復(fù)雜，基于這些傳統(tǒng)的特征提取方法的識別 率尚不夠理想。


【發(fā)明內(nèi)容】

[0004] 本發(fā)明旨在克服現(xiàn)有技術(shù)不足，目的是提供一種能提高帶鋼表面缺陷圖像識別的 效果的基于局部特征空間距離的帶鋼表面缺陷圖像特征提取方法。
[0005] 為實現(xiàn)上述技術(shù)方案，本發(fā)明采用的技術(shù)方案的具體步驟是：
[0006] 步驟一、對采集的帶鋼表面缺陷圖像依次進(jìn)行灰度化處理、平滑處理、歸一化處理 和向量化，得到一幅帶鋼表面缺陷圖像預(yù)處理后的向量數(shù)據(jù)點(diǎn)Xi，所有幅帶鋼表面缺陷圖 像預(yù)處理后的向量數(shù)據(jù)點(diǎn)Xi(i=l，2，...，n)構(gòu)成矩陣數(shù)據(jù)X。其中：η表示所有帶鋼表面 缺陷圖像的總數(shù)。
[0007] 步驟二、從所有帶鋼表面缺陷圖像預(yù)處理后的矩陣數(shù)據(jù)X中尋找與一幅帶鋼表面 缺陷圖像預(yù)處理后的向量數(shù)據(jù)點(diǎn)Xi歐氏距離最小和類別相同的k幅帶鋼表面缺陷圖像預(yù) 處理后的向量數(shù)據(jù)點(diǎn)，構(gòu)成與一幅帶鋼表面缺陷圖像預(yù)處理后的向量數(shù)據(jù)點(diǎn)Xi相關(guān)的流形 局部特征空間S(Xi)，最小線性表示誤差系數(shù)％為：

【權(quán)利要求】
1. 一種基于局部特征空間距離的帶鋼表面缺陷圖像特征提取方法，其特征在于所述方 法的具體步驟是： 步驟一、對采集的帶鋼表面缺陷圖像依次進(jìn)行灰度化處理、平滑處理、歸一化處理和向 量化，得到一幅帶鋼表面缺陷圖像預(yù)處理后的向量數(shù)據(jù)點(diǎn)Xi,所有幅帶鋼表面缺陷圖像預(yù) 處理后的向量數(shù)據(jù)點(diǎn)Xi(i = l，2，...，n)構(gòu)成矩陣數(shù)據(jù)X，其中：η表示所有帶鋼表面缺陷 圖像的總數(shù)； 步驟二、從所有帶鋼表面缺陷圖像預(yù)處理后的矩陣數(shù)據(jù)X中尋找與一幅帶鋼表面缺陷 圖像預(yù)處理后的向量數(shù)據(jù)點(diǎn)Xi歐氏距離最小和類別相同的k幅帶鋼表面缺陷圖像預(yù)處理 后的向量數(shù)據(jù)點(diǎn)，構(gòu)成與一幅帶鋼表面缺陷圖像預(yù)處理后的向量數(shù)據(jù)點(diǎn)X i相關(guān)的流形局部 特征空間S (Xi)，最小線性表示誤差系數(shù)％為：
式⑴和⑵中： Xi表示一幅帶鋼表面缺陷圖像預(yù)處理后的向量數(shù)據(jù)點(diǎn)， Xj表示與一幅帶鋼表面缺陷圖像預(yù)處理后的向量數(shù)據(jù)點(diǎn)Xi歐氏距離最小和類別相同 的k幅帶鋼表面缺陷圖像預(yù)處理后的第j個向量數(shù)據(jù)點(diǎn)， Gjt表示局部格萊姆矩陣，Gjt= (Xi-Xj) · (Xi-Xt), Xt表示與一幅帶鋼表面缺陷圖像預(yù)處理后的向量數(shù)據(jù)點(diǎn)Xi歐氏距離最小和類別相同 的k幅帶鋼表面缺陷圖像預(yù)處理后的第t個向量數(shù)據(jù)點(diǎn)， i, j和t均為自然數(shù)，i關(guān)j關(guān)t ; 步驟三、對于其余的任一幅帶鋼表面缺陷圖像預(yù)處理后的向量數(shù)據(jù)點(diǎn)Xi,重復(fù)步驟二， 得到最小線性表示誤差系數(shù)矩陣W ; 忠驟四、建立名流形散麼的數(shù)學(xué)椋型L
式⑶中： S(Xi)表示與一幅帶鋼表面缺陷圖像預(yù)處理后的向量數(shù)據(jù)點(diǎn)Xi相關(guān)的流形局部特征空 間， S(Xm)表示與另一幅帶鋼表面缺陷圖像預(yù)處理后的向量數(shù)據(jù)點(diǎn)Xm相關(guān)的流形局部特征 空間， Is(Xi)-S(Xm) 11表示與一幅帶鋼表面缺陷圖像預(yù)處理后的向量數(shù)據(jù)點(diǎn)Xi相關(guān)的流形 局部特征空間S(Xi)到與另一幅帶鋼表面缺陷圖像預(yù)處理后的向量數(shù)據(jù)點(diǎn)Xm相關(guān)的流形局 部特征空間S(X m)之間的歐氏距離Dim， Him表示一幅帶鋼表面缺陷圖像預(yù)處理后的向量數(shù)據(jù)點(diǎn)Xi與另一幅帶鋼表面缺陷圖像 預(yù)處理后的向量數(shù)據(jù)點(diǎn)Xm之間的類別差異信息：
步驟五、與一幅帶鋼表面缺陷圖像預(yù)處理后的向量數(shù)據(jù)點(diǎn)Xi相關(guān)的流形局部特征空間 S(Xi)到與另一幅帶鋼表面缺陷圖像預(yù)處理后的向量數(shù)據(jù)點(diǎn)Xm相關(guān)的流形局部特征空間 S(Xm)之間的歐氏距離Dim為：
表示一幅帶鋼表面缺陷圖像預(yù)處理后的向量數(shù)據(jù)點(diǎn)Xi在與另一幅帶鋼表面 缺陷圖像預(yù)處理后的向量數(shù)據(jù)點(diǎn)Xm相關(guān)的流形局部特征空間S(Xm)內(nèi)的投影， 表示另一幅帶鋼表面缺陷圖像預(yù)處理后的向量數(shù)據(jù)點(diǎn)Xm在與一幅帶鋼表面 缺陷圖像預(yù)處理后的向量數(shù)據(jù)點(diǎn)Xi的相關(guān)的流形局部特征空間S(Xi)內(nèi)的投影； 步驟六、構(gòu)建目標(biāo)函數(shù)模型
I 式⑶中： A表示低維投影矩陣， T表示矩陣轉(zhuǎn)置， I表示單位矩陣； 對式（6)進(jìn)行廣義特征值分解
式（7)中： λ表示特征值， f表示特征向量； 將特征值λ由大到小順序進(jìn)行排列，取前d個特征值所對應(yīng)的特征向量f組成低維投 影矩陣A，其中d表示所提取特征的維數(shù)； 步驟七、對于一幅帶鋼表面缺陷圖像預(yù)處理后的向量數(shù)據(jù)點(diǎn)Xi,經(jīng)過線性投影后的低 維特征Yi為： Yi = A1Xi (8) 式（8)中：A表示低維投影矩陣， T表示矩陣轉(zhuǎn)置。
2.根據(jù)權(quán)利要求1所述的基于局部特征空間距離的帶鋼表面缺陷圖像特征提取方法， 其特征在于所述k為大于2的自然數(shù)。
【文檔編號】G06K9/46GK104376566SQ201410695659
【公開日】2015年2月25日 申請日期:2014年11月26日 優(yōu)先權(quán)日:2014年11月26日
【發(fā)明者】李波, 胡洋, 張曉龍 申請人:武漢科技大學(xué)