基于复域Contourlet特征向量的连铸板坯表面特征分类方法

计算机应用 ›› 2014, Vol. 34 ›› Issue (12): 3660-3664.

• 行业与领域应用 • 上一篇

基于复域Contourlet特征向量的连铸板坯表面特征分类方法

于基睿,汪泽浩,李培玉

浙江大学机械工程学系,杭州 310027

收稿日期:2014-07-03 修回日期:2014-08-26 出版日期:2014-12-01 发布日期:2014-12-31
通讯作者: 李培玉
作者简介:于基睿(1989-),男,陕西西安人,硕士研究生,主要研究方向:信号处理、图像处理;汪泽浩(1989-),男,新疆库车人,硕士研究生,主要研究方向:振动检测、信号处理;李培玉(1966-),男,湖北仙桃人,副教授,博士,主要研究方向:振动理论、故障诊断、嵌入式系统。

Continuous casting slab surface feature classification method based on complex Contourlet feature vectors

YU Jirui,WANG Zehao,LI Peiyu

Department of Mechanical Engineering, Zhejiang University, Hangzhou Zhejiang 310027, China

Received:2014-07-03 Revised:2014-08-26 Online:2014-12-01 Published:2014-12-31
Contact: LI Peiyu

摘要/Abstract

摘要：

针对连铸板坯表面缺陷特征检测的复杂性,提出了应用复域Contourlet分解特征图像的一种表面特征分类方法。其相对于传统方法具有更优的移不变性、方向选择性和图像特征提取率。通过将图像特征区域进行复域Contourlet分解,再经由方向滤波器组,提取Contourlet域的方向子带系数矩阵,再求取系数矩阵的能量、方差、偏斜度,作为一种量化图像的特征向量。将特征向量输入支持向量机进行图像特征识别训练,之后可以进行图像的各类特征识别和分类。工业现场测试的效果表明,通过该方法进行的表面特征分类准确率在90%左右,能够应用于连铸钢板坯的图像特征提取和板坯缺陷检测。

Abstract:

Concerning the problem that it is complex to detect the surface feature of continuous casting slab, a surface trait extraction method based on complex Contourlet decomposition was developed. Compared to conventional method, the new one has the characteristics of shift invariance, excellent directional selectivity and higher retrieval rate. The image was decomposed in Contourlet domain and then the image's sub-bands directional matrices were extracted by using directional filter bands, then the feature vector was constructed by the energy value, stand deviation and skewness. The support vector machine was trained by the feature vectors, to classify images. Industrial test result shows that the accurate rate of classifying surface features is about 90%, and it can be used in image feature extraction and slab flaw detection.

中图分类号:

TP274

于基睿汪泽浩李培玉. 基于复域Contourlet特征向量的连铸板坯表面特征分类方法[J]. 计算机应用, 2014, 34(12): 3660-3664.

YU Jirui WANG Zehao LI Peiyu. Continuous casting slab surface feature classification method based on complex Contourlet feature vectors[J]. Journal of Computer Applications, 2014, 34(12): 3660-3664.

参考文献

［1］DO M, VETTERLI M. The Contourlet transform: an efficient directional multiresolution image representation ［J］. IEEE Transactions on Image Processing, 2003, 14(12): 2091-2016.
［2］KINGSBURY N. Image processing with complex wavelets ［J］. Philosophical Transactions of the Royal Society of London: Series A, 1999, 357(1760):2543-2560.
［3］SELESNICK I W, BARANIUK R G, KINGSBURY N. The dual tree complex wavelet transform［J］. IEEE Signal Processing Magazine, 2005, 22(6):123-151.
［4］Al-AZZAWI N, SAKIM H A M, WAN ABDULLAH A K, et al. Medical image fusion scheme using complex Contourlet transform based on PCA［C］// Proceedings of the 2009 IEEE Engineering in Medicine and Biology Society. Piscataway: IEEE, 2009: 5813-5816.
［5］ZHANG J W, ZHANG R P, DONG M, et al. A complex Contourlet transform and its HMT model for denoising and texture retrieval［C］// Proceedings of the 2012 IEEE 11th International Conference on Signal Processing. Piscataway: IEEE, 2012, 2: 833-837.
［6］SELESNICK I W. Hilbert transform pairs of wavelet bases ［J］. IEEE Signal Processing Letters, 2001, 8(6):170-173.
［7］NGUYEN T T, ORAINTARA S. The shiftable complex directional pyramid—Part I: theoretical aspects ［J］. IEEE Transactions on Signal Processing, 2008, 56(10):4651-4660.
［8］NGUYEN T T, ORAINTARA S. The shiftable complex directional pyramid—Part II: implementation and applications［J］. IEEE Transactions on Signal Processing, 2008, 56(10): 4661-4672.
［9］LIU L W, CHEN X W, YING Z W. Texture image retrieval algorithm with dual tree complex Contourlet and three statistical features［C］// Proceedings of the 2011 IEEE International on Communication Software and Networks. Piscataway: IEEE, 2011:349-352.
［10］WANG W. Research on various image edge extraction algorithms［D］. Beijing: Beijing Jiaotong University, 2010.(王文丽. 各种图像边缘提取算法的研究［D］. 北京: 北京交通大学, 2010.)
［11］WU Y, SONG Y, WU S, et al. Marine spill oil SAR image despeckling based on hidden Markov tree model in complex Contourlet domain ［J］. Acta Oceanologica Sinica, 2013, 35(2): 168-177.(吴一全, 宋昱, 吴诗婳, 等. 基于复Contourlet域隐马尔科夫树模型的海面溢油合成孔径雷达图像相干斑抑制［J］. 海洋学报, 2013, 35(2): 168-177.)
［12］YI W, YU M, JIANG G. Contourlet: Efficient directional and multiresolution analytic tool ［J］. Application Research of Computers, 2006, 23(9): 18-22.(易文娟, 郁梅, 蒋刚毅. Contourlet:一种有效的方向多尺度变换分析方法［J］. 计算机应用研究, 2006, 23(9): 18-22.)
［13］HUANG C, SHAO J, WAN M, et al. Image retrieval using Contourlet transform［J］. Computer Engineering and Applications, 2009, 45(3): 24-27.(黄传波, 邵杰, 万鸣华, 等. Contourlet变换在图像检索中的应用［J］. 计算机工程与应用, 2009, 45(3): 24-27.)
［14］NI W, GUO B, YANG L. New Advance of multiscale geometric analysis: Contourlet［J］. Computer Science, 2006, 33(2): 234-236, 262.(倪伟, 郭宝龙, 杨镠. 图像多尺度几何分析新进展: Contourlet［J］. 计算机科学, 2006, 33(2): 234-236, 262.)
［15］SONG H. Application research on Contourlet in image processing［D］. Shanghai: Shanghai Jiao Tong University, 2007.(宋好好. Contourlet变换在图像分析处理中的应用研究［D］. 上海: 上海交通大学, 2007.)
［16］XU C. Research on edge detection method based on wavelet transform［D］. Chengdu: Xihua University, 2010.(许春梅. 基于小波变换的图像边缘检测方法研究［D］. 成都: 西华大学, 2010.)
［17］DING S, QI B, TAN H. An overview on theory and algorithm of support vector machines［J］. Journal of University of Electronic Science and Technology of China, 2011, 40(1): 1-10.(丁世飞, 齐丙娟, 谭红艳. 支持向量机理论与算法研究综述［J］. 电子科技大学学报, 2011, 40(1): 1-10.)
［18］FAN X. Support vector machine and its application ［D］. Hangzhou: Zhejiang University, 2003.(范昕炜. 支持向量机算法的研究及其应用［D］. 杭州: 浙江大学, 2003.)
［19］ZHANG G. Research on support vector machine algorithm and its application ［D］. Changsha: Hunan University, 2006.(张国云. 支持向量机算法及其应用研究［D］. 长沙: 湖南大学, 2006.)
［20］BURGES C J C. A tutorial on support vector machines for pattern recognition［J］. Data Mining and Knowledge Discovery, 1998,2(2): 121-167.
［21］ZHOU W. Kernel based learning machines ［D］. Xi’an: Xidian University, 2003.(周伟达. 核机器学习方法研究［D］. 西安: 西安电子科技大学, 2003.)

[1]	陆荣秀, 陈明明, 杨辉, 朱建勇. 基于溶液图像时序特征的元素组分含量动态监测系统[J]. 计算机应用, 2021, 41(10): 3075-3081.
[2]	佘维郑倩田钊刘炜李英豪. 基于双重检测的气门识别方法[J]. 计算机应用, 0, (): 0-0.
[3]	成其伟, 陈启买, 贺超波, 刘海. 基于改进对称二值非负矩阵分解的重叠社区发现方法[J]. 计算机应用, 2020, 40(11): 3203-3210.
[4]	王思宇, 高炜欣, 李璐. 环口焊X射线焊缝图像质量评定模型[J]. 计算机应用, 2020, 40(9): 2748-2753.
[5]	苗晟, 董亮, 董建娥, 钟丽辉. 基于蜂窝网结构的多目标自动辨识定位方法[J]. 计算机应用, 2019, 39(11): 3343-3348.
[6]	纪丽娜, 陈凯, 于彦伟, 宋鹏, 王淑莹, 王成锐. 基于城市交通大数据的车辆类别挖掘及应用分析[J]. 计算机应用, 2019, 39(5): 1343-1350.
[7]	郭方方, 潮洛蒙, 朱建文. 基于相似连接的多源数据并行预处理方法[J]. 计算机应用, 2019, 39(1): 57-60.
[8]	高金刚, 刘智勇, 张爽, 侯岱双, 刘孝峰. 双目立体视觉在动车车身关键尺寸检测中的应用[J]. 计算机应用, 2018, 38(9): 2673-2677.
[9]	伍秋玉, 张明新, 刘永俊, 郑金龙. 基于改进迭代收缩阈值算法的微观3D重建方法[J]. 计算机应用, 2018, 38(8): 2398-2404.
[10]	袁钟, 冯山. 基于邻域值差异度量的离群点检测算法[J]. 计算机应用, 2018, 38(7): 1905-1909.
[11]	乔建华, 张雪英. 基于均衡分簇的无线传感器网络压缩数据收集[J]. 计算机应用, 2018, 38(6): 1691-1697.
[12]	伍秋玉张明新刘永俊郑金龙. 基于改进迭代收缩阈值算法的微观3D重建方法[J]. 计算机应用, 0, (): 0-0.
[13]	乔建华张雪英. 基于均衡分簇的无线传感器网络压缩数据收集[J]. 计算机应用, 0, (): 0-0.
[14]	毕崇春, 孟祥福, 张霄雁, 唐延欢, 唐晓亮, 梁海波. 基于耦合相关度的空间数据查询结果自动分类方法[J]. 计算机应用, 2018, 38(1): 152-158.
[15]	张承畅, 张华誉, 罗建昌, 何丰. 基于云计算和改进K-means算法的海量用电数据分析方法[J]. 计算机应用, 2018, 38(1): 159-164.

基于复域Contourlet特征向量的连铸板坯表面特征分类方法

Continuous casting slab surface feature classification method based on complex Contourlet feature vectors

PDF

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics