基于核方法的帶鋼表面缺陷圖像處理和識(shí)別方法研究.pdf

1、近年來，隨著大量經(jīng)典的線性學(xué)習(xí)算法通過引入核函數(shù)實(shí)現(xiàn)非線性化以來，基于核的機(jī)器學(xué)習(xí)方法（簡(jiǎn)稱核方法）取得了飛速發(fā)展，目前已成為機(jī)器學(xué)習(xí)領(lǐng)域的研究熱點(diǎn)之一。帶鋼作為汽車、船舶、以及航空航天的重要原材料，其質(zhì)量好壞直接影響到后續(xù)產(chǎn)品的質(zhì)量和性能，因此將核方法應(yīng)用到帶鋼表面檢測(cè)具有重大意義。
　　本文將核方法應(yīng)用到帶鋼表面缺陷檢測(cè)和分類的各個(gè)關(guān)鍵環(huán)節(jié)，并根據(jù)實(shí)驗(yàn)數(shù)據(jù)與傳統(tǒng)的算法進(jìn)行對(duì)比。本文研究?jī)?nèi)容與成果主要有以下幾個(gè)方面:
　　

2、1.研究了帶鋼表面圖像的迭代控制核回歸圖像去噪模型，并與傳統(tǒng)去噪方法進(jìn)行對(duì)比，實(shí)驗(yàn)結(jié)果表明，迭代控制核回歸可以在去除噪聲的同時(shí)較好的保留圖像的細(xì)節(jié)信息。
　　2.針對(duì)所提取的帶鋼缺陷圖像幾何、灰度、紋理等高維特征，運(yùn)用主成分分析和Fisher判別分析以及對(duì)應(yīng)的核方法進(jìn)行特征降維，并通過可視化進(jìn)行對(duì)比，實(shí)驗(yàn)結(jié)果表明基于核的Fisher判別分析降維后對(duì)數(shù)據(jù)具有很好的分類能力。
　　3.針對(duì)帶鋼表面的黑斑、劃痕、翹皮、磷化斑、褶皺