基于adaboost分类器的带钢表面缺陷识别研究

基于adaboost分类器的带钢表面缺陷识别研究

ID:35054507

大小:4.20 MB

页数:72页

时间:2019-03-17

基于adaboost分类器的带钢表面缺陷识别研究_第1页
基于adaboost分类器的带钢表面缺陷识别研究_第2页
基于adaboost分类器的带钢表面缺陷识别研究_第3页
基于adaboost分类器的带钢表面缺陷识别研究_第4页
基于adaboost分类器的带钢表面缺陷识别研究_第5页
资源描述:

《基于adaboost分类器的带钢表面缺陷识别研究》由会员上传分享,免费在线阅读,更多相关内容在学术论文-天天文库

1、^画;ip麵喝my^中瞧号:能:M画^_WiWflilIDC;6U学誠码:誦2___—■国‘酔抑二■溢獨满'片t成皆妓ff與人嗦H巨BEIUNIVERSITYOFSCI巨NCEANDTECHNOLOGY硕±学位论文基于AdaBoost分类器的带钢表面缺陷识别研究论文作者:孙梓钩指导教师;孙鹤旭教授企业指导教师:康蛇龙高工申请学位类别;工程硕i:^^学科、领域;控制工程所在单位:电气工程学晓答辩日期:20!6年5

2、月ClassifiedIndex:TP391.4SecrecyRate:PublicizedUDC:620UniversityCode:10082HebeiUniversityofScienceandTechnologyDissertationfortheMasterDegreeResearchonSurfaceDefectRecognitionofSteelStripsBasedonAdaBoostClassifierCandidate:SunZijunSupervisor:Pro.SunHexuAs

3、sociateSupervisor:Engi.KangShelongAcademicDegreeAppliedfor:MasterofEngineeringSpeciality:ControlEngineeringEmployer:SchoolofElectricalEngineeringDateofOralExamination:May,2016河北科技大学学位论文原创性声明本人郑重声明:所呈交的学位论文,是本人在导师的指导下,独立进行研究工。作所取得的成果对本文的研巧做出重要贡献的个人和集体,均己

4、在文中W明确方式标明。除文中已经注明引用的内容外,本论文不包含任何其他个人或集体已经发表或撰写过的作品或成果。本人完全意识到本声明的法律结果由本人承担。学位论文作者签名、:別指导教师签名年月?巧月曰>>/年义>^7/^長d屋y河北科技大学学位论文版权使用授权书本学位论文作者完全了解学校有关保留、使用学位论文的规定,同意学校保留并向国家有关部鬥或机构送交论文的复印件和电子版,允许论文被查阅和借阅。本人授权河北科技大学可将本学位论文的全部或部分内容编入有关数据库进行检索?。

5、,可采用影印、缩印或扫描等复制手段保存和汇编本学位论文□保密,在。_年解密后适用本授权书_本学位论文属于保密。""(请在W上方框内打V)学位论文作者签名:指导教师签名:+齐年月"曰年月曰^V若>/t^摘要带钢是国民经济的支柱产业,在经济的发展中占据着重要位置,由于其在人民生活中的应用越来越广泛,人们对其表面质量也越来越关注。通过对带钢领域国内外发展现状的分析,发现采集到的样本一般都具有对比度不明显、灰度不均匀等缺点,严重影响了带钢质量,制约了钢铁企业的发展。因此,有效识别带钢表面缺

6、陷,提高带钢表面的质量是带钢领域的一项迫切的任务。本文首先对采集到的样本进行图像去噪和图像分割等预处理,在图像去噪的过程中针对图像噪声特性,提出了自适应中值滤波方法。此方法在有效的去除图像噪声的同时可以尽可能的保存了图像的细节,明显的减小了由于滤波造成的图像模糊。在边缘检测算法中,采用Canny算子提取缺陷图像的边缘,强化了边缘特征,使分割后图像的质量得到了明显的改善,为特征提取奠定了基础。其次,在特征提取方面,提取了能够表征缺陷图像特征的纹理特征和形状几何特征,共40维作为原始的特征数据集。考虑到识别的速度

7、和可靠性,在特征选择方面提出了一种改进的ReliefF特征选择算法。这种算法能够除特征间的相关性,降低特征间的冗余性,实验结果表明使用该算法提取的特征,能够更有效的识别带钢缺陷。最后,通过分析比较几种分类器的优缺点及适用范围,提出了AdaBoost分类器。该分类器在训练过程中需求的样本数目较少,减少了训练时间,提高了准确性,而且该分类器简单易行,实验结果表明该分类器可以实现带钢缺陷的准确分类。关键词带钢表面缺陷;图像去噪;边缘检测;特征提取;特征选择;AdaBoost分类器IAbstractWiththera

8、piddevelopmentofdomesticandinternationaleconomy,stripsteeliswidelyusedinproductionandlife,anditssurfacequalityhasbeenpaidmoreandmoreattention.Throughtheanalysisofthedevelopmentstatusofstripsteelinthewo

当前文档最多预览五页,下载文档查看全文

此文档下载收益归作者所有

当前文档最多预览五页,下载文档查看全文
温馨提示:
1. 部分包含数学公式或PPT动画的文件,查看预览时可能会显示错乱或异常,文件下载后无此问题,请放心下载。
2. 本文档由用户上传,版权归属用户,天天文库负责整理代发布。如果您对本文档版权有争议请及时联系客服。
3. 下载前请仔细阅读文档内容,确认文档内容符合您的需求后进行下载,若出现内容与标题不符可向本站投诉处理。
4. 下载文档时可能由于网络波动等原因无法下载或下载错误,付费完成后未能成功下载的用户请联系客服处理。