基于AdaBoost分類器的帶鋼表面缺陷識(shí)別研究.pdf

1、帶鋼是國(guó)民經(jīng)濟(jì)的支柱產(chǎn)業(yè)，在經(jīng)濟(jì)的發(fā)展中占據(jù)著重要位置，由于其在人民生活中的應(yīng)用越來(lái)越廣泛，人們對(duì)其表面質(zhì)量也越來(lái)越關(guān)注。通過(guò)對(duì)帶鋼領(lǐng)域國(guó)內(nèi)外發(fā)展現(xiàn)狀的分析，發(fā)現(xiàn)采集到的樣本一般都具有對(duì)比度不明顯、灰度不均勻等缺點(diǎn)，嚴(yán)重影響了帶鋼質(zhì)量，制約了鋼鐵企業(yè)的發(fā)展。因此，有效識(shí)別帶鋼表面缺陷，提高帶鋼表面的質(zhì)量是帶鋼領(lǐng)域的一項(xiàng)迫切的任務(wù)。
　　本文首先對(duì)采集到的樣本進(jìn)行圖像去噪和圖像分割等預(yù)處理，在圖像去噪的過(guò)程中針對(duì)圖像噪聲特性，提出了

2、自適應(yīng)中值濾波方法。此方法在有效的去除圖像噪聲的同時(shí)可以盡可能的保存了圖像的細(xì)節(jié)，明顯的減小了由于濾波造成的圖像模糊。在邊緣檢測(cè)算法中，采用Canny算子提取缺陷圖像的邊緣，強(qiáng)化了邊緣特征，使分割后圖像的質(zhì)量得到了明顯的改善，為特征提取奠定了基礎(chǔ)。
　　其次，在特征提取方面，提取了能夠表征缺陷圖像特征的紋理特征和形狀幾何特征，共40維作為原始的特征數(shù)據(jù)集。考慮到識(shí)別的速度和可靠性，在特征選擇方面提出了一種改進(jìn)的ReliefF特征選