基于特征分类的低分辨率触摸屏表面缺陷检测

《基于特征分类的低分辨率触摸屏表面缺陷检测》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、学校代码：娜幕似４＾攀聲．＾ＢＥＩＪＩＮＧＪＩＡＯＴＯＮＧＵＮＩＶＥＲＳＩＴＹ＿硕±学惊论文Ｔｌ基于特征分类的低分辨率触摸屏表面缺陷检测ｍ学科专业模式识别与智能系统指导教师岑翼刚教授．‘画培养院系计算机与信息技术学院１ＰＱＩ如交道乂攀硕壬学位论文基于特征分类的低分辨率触摸屏表面缺陷检测Ｌｏｗ－ｒｅｓｏｕｔｌｉｏｎＴｏｕｃｈＳｃｒｅｅｎＳｕｒｆａｃｅＤｅｆｅｃｔＤｅｌｅｔｉｏｎＢａｓｅｄｏｎＦｅａｔｕｒｅＣｌａｓｓｉｆｉｃａｔｉｏｎ作者：王松芳导师：岑翼刚北京交通大学２０１６年４月学位论文版权使用授权书本

2、学位论文作者完全了解北京交通大学有关保留、使用学位论文的规定。特授权北京交通大学可Ｗ将学位论文的全部或部分内容编入有关数据库进行检索，。提供阅览服务，并采用影印、缩印或扫描等复制手段保存、汇编Ｗ供查阅和借阅＾同意学校向国家有关部口或机构送交论文的复印件和磁盘。学校可１＾？为存在馆际合作关系的兄弟高校用户提供文献传递服务和交换服务。（保密的学位论文在解密后适用本授权说明）学位论文作者签名；至特ｆ导师签名；＾餐２Ｗ？６会作月／化签字日期：如／年今月日签字日期：年学校代码：１０００４密级：公开北京交通大学硕：ｔ学位论文基于特征分类的低分辨率触摸屏表面

3、缺陷检测Ｌｏｗ－ｒｅｓｏｏｎＴｏｕｃｈｌｕｔｉＳｃｒｅｅｎＳｕｒｆａｃｅＤｅｆｅｃｔＤｅｌｅｔｉｏｎＢａｓｅｄｏｎＦｅａｔｕｒｅＣｌａｓｓｉｆｉｃａｔｉｏｎ作者姓名：王松芳学号：１３１２０３７６导师姓名；岑翼刚职称：教授学位类别：工学学位级别：硕±学科专业：模式识别研究方向：表面缺陷检测北京交通大学２０１６年４月１致谢时光如梭，转眼间我的研究生学习生涯接近尾声，。在这两年多的求学时光中我感觉到自己成长了许多，学到了许多。在此，向在我学习和生活中曾经帮助我、鼓励我和支持我的人表示衷屯、的感谢。首先，我要衷也地感谢

4、我的导师岑翼刚教授。岑老师治学严谨，学识渊博，，给我提供了许多宝贵的意见和指导在我的课题研究过程中，使我能更好的把握、课题研究内容和方法。在论文写作期间，岑老师对我的论文进行了耐屯地修改和指导，帮我顺利完成论文。在生活中，岑老师平易近人、真擎热情、亦师亦友，教会了我许多做人和做事的道理。岑老师对我的教导，定会使我受益终身。同时，我要感谢赵瑞珍教授。赵老师在百忙之中能够抽出时间参加课题组的、，并提出宝贵的意见和建议，让我受益匪浅地感谢。讨论。在此表示衷屯我还要感谢课题组的同学李昂、王恒有、赵凤珍、崔宁波、徐博华、郭新海、李玉、王若乾、杨帅锋、孟祥瑞、梁海，都让；与

5、你们每周固定的组会讨论我收获颇多。正是与你们的讨论，，巩固了我的专业知识丰富了研究方法，了解到了研究的前沿，使我能够在自己的课题方法上打开视野和思路，与你们共同学习的日子我感到十分充实和快乐。感谢信息科学研究所６１３ａ实验室的所有同学，及室友郑亚楠、马君丽。与一段美好的回忆你们的朝夕相处将成为我研究期间。感谢我的父母和家人，感谢你们默默地支持和关爱，让我能够在研究生期间无忧无虑地学习和生活。你们的爱永远是我前进地动力。最后，我诚掌的感谢在百忙之中抽出时间审阅本文的专家、教授。北京交通大学硕±学位论文摘要摘要触控技术作为当前自然人机交互的主流技术，几

6、乎占领了所有的智能终端设备。触摸屏的质量对触摸屏制造企业至关重要。由于触摸屏缺陷自动检测装置价格昂贵，目前国内许多企业仍然采用人工检测的方法对触摸屏进行缺陷检测。但是随着触摸屏的规模化生产，人工检测己经很难满足实际的生产要求。因此，触摸屏生产厂商迫切需求研究出自动的触摸屏表面图像缺陷检测技术。本文基于计算机视觉、图像处理等相关知识，提出了自动的低分辨率触摸屏表面缺陷检测方法，具体研究成果如下：（１）针对低分辨率触摸屏表面图像低对比度、噪声和细微缺陷相似的问题，提出了基于Ｇａｂｏｒ统计特征的字典稀疏表示触摸屏图像缺陷检测算法。该算法引入了Ｇａｂｏｒ特征用于描

7、述触摸屏表面图像，利用Ｇａｂｏｒ统计特征构造字典并对字典进行优化，将稀疏表示分类的方法应用于低分辨率的触摸屏表面缺陷检测。（２）特征提取和分类算法是触摸屏表面缺陷检测算法中的关键。本文提出了基于局部及全局特征，并利用ＳＶＭ（ＳｕｐｐｏｒｔＶｅｃｔｏｒＭａｃｈｉｎｅ）进行分类的触摸屏表面缺陷检测方法。该方法提取图像的局部Ｇａｂｏｒ特征和全局ＧＬＣＭ（ＧｒａｙＬｅｖｅｌＣ