小波缺陷分割研究与应用.pptVIP

由于皮革种类繁多，各种缺陷也多，目前多数算法缺乏通用性。 大多数的方法要么基于空间域，要么基于频域，而把两者结合效果如何，有待进一步研究。 大多数方法没有考虑光照，仿射变换等因素对算法的影响。 j、l、k分别表示尺度、方向、位移参数。 MeanShift算法就是反复的计算以下两步，直到接近于0，即到达模式点为止。 计算MeanShift向量； 根据 移动核函数。 算法时间复杂度高 分割的结果与原始的缺陷存在偏差 稳定性有待验证 通用性有待验证 * 2011年度硕士论文答辩 答辩思路 我们如何解决此课题？ 目前解决此课题存在什么问题？ 别人已做的怎么样? 是否可能做? 为什么要做? 本论文的几大模块 1研究背景 2图像分类与检索 3水平集方法 4本文曲波算法 5应用 刀痕 刀洞 疥癣 牛蝇伤 烙印 色差污斑 各种皮革缺陷图片 实际生产流程图 人工生产流程图 皮革排样示意图 皮革排样示意图 皮革缺陷检测系统界面图 尚待解决的问题 技术路线图 三大类图像 结构不明显纹理 周期结构纹理 随机纹理 针对不同类别采用不同的分割算法进行分割 结构与随机纹理的二值傅立叶谱 特征空间样本分类最大间隔示意图 支持向量机的目标函数 Contents 水平集 Concept 多尺度梯度 Concept 常见分割算法 常见分割算法 Mean Shift 水平集 基于算子 模糊聚类 纹理分割算法的基本流程 第四步 第三步 第二步 第一步 反变换回空间域再处理 滤除背景、保留缺陷 Mean Shift 曲波变换 缺陷凸显与二值化 将图像通过曲波变换到频域，在各个频带子空间来提取特征向量，用Mean Shift对这些特征向量自动进行分类，分为正常背景与各类缺陷。 缺陷分割与定位 图像二值化与后期处理(形态学腐蚀与膨胀），最小外接凸多边形，质心等形状参数的提取，作为缺陷识别的形状依据。 频域变换发展历程 FFT 短时FT 小波 脊波 曲波 信号处理 信号频域处理变换 一维信号小波变换 二维信号小波变换 脊波变换具有方向选择和识别的能力，可以更有效的表示二维信号中，具有直线特性的奇异信号。 脊波函数 脊波变换的三个参数示意 为什么我们会选择曲波呢? 纹理图像多出现直线，曲线性的奇异信号 曲波变换是一种多分辨率、带通、具有方向性的分析函数，更容易提取这些信号。 1999年Candes等人基于脊波提出第一代曲波。 2002年Candes等人提出第二代曲波理论框架。 2005年他们一直致力于快速算法的离散实现。 曲波变换的时域与频域 曲波的正变换与反变换 曲波变换各个层次的矩阵情况 曲波各个层次的特征分布情况 Mean Shift算法的几个公式 Mean Shift 单位均匀核函数与单位高斯核函数 Mean Shift核心步骤 *