基于支持向量机的激光散斑轮胎检测中缺陷识别方法研究

摘要

轮胎内部缺陷是导致交通事故发生的主要因素，激光散斑检测系统是检测轮胎内部缺陷的主要方法。传统的缺陷检测判断主要靠人工的手段，存在种种弊端。现有的轮胎缺陷自动检测方法存在实时性低、扩展性差的弊端，因此研究轮胎缺陷检测自动识别的工作是一项很有意义的课题。
　　 本文对轮胎缺陷模式识别技术进行了深入研究，主要研究内容如下：
　　 1、图像预处理算法研究。对于轮胎缺陷图像，本文采用了多种不同的图像去噪方法，并对去噪效果进行了科学评价。依据试验结果以及实际需要，选择中值滤波算法对缺陷图像进行处理。
　　 2、图像边缘检测算法的研究。采用多种算法进行缺陷边缘检测。对比试验效果，考虑抗噪性以及精确性的因素，选择Canny算子进行边缘检测。
　　 3、特征提取算法研究。提出了一种改进的Hu不变矩特征，该方法的优势是具有旋转、平移和尺度不变性；提取了灰度纹理特征，纹理特征反映了图像的本身属性，可用来对图像中的空间信息进行一定程度的定量描述，是识别对象的主要依据之一。对以上特征进行分类特性试验对比，确定分类识别所用的特征量。
　　 4、分类识别算法研究。本文采用了基于径向基的支持向量机分类识别方法，对缺陷进行分类识别。实验证明：采用Hu不变矩或Hu不变矩和灰度纹理组合特征进行分类，可在ESPI图像模式识别中获得较好的识别效果。

目录

文摘

英文文摘

声明

第一章 绪论

1.1 研究的目的和意义

1.2 国内外研究现状

1.2.1 激光电子散斑技术的发展概况

1.2.2 支持向量机理论发展概况

1.2.3 轮胎缺陷图像识别的研究现状

1.3 论文研究内容及组织结构

第二章 激光散斑无损检测基本原理及图像处理

2.1 激光散斑无损检测基本原理

2.1.1 散斑的产生

2.1.2 电子剪切散斑基本原理

2.1.3 试验设备

2.2 样本的选取

2.3 轮胎缺陷图像滤波

2.3.1 图像噪声的概念及处理

2.3.2 中值滤波

2.3.3 均值滤波法

2.3.4 自适应滤波

2.3.5 轮胎缺陷图像滤波效果实例

2.4 小结

第三章 轮胎图像缺陷特征提取

3.1 引言

3.2 缺陷图像边缘检测

3.2.1 一阶边缘检测算子法

3.2.2 Canny算子法

3.2.3 二阶边缘检测算子法

3.2.4 缺陷图像边缘检测实例

3.3 基于Hu不变矩的特征提取

3.3.1 Hu不变矩

3.3.2 Hu不变矩的基本性质

3.3.3 图像不变矩特征的修正

3.3.4 提取Hu不变矩缺陷特征实例

3.4 基于灰度图像统计纹理度量的提取

3.4.1 纹理特征参数

3.4.2 提取统计纹理度量特征实例

3.5 小结

第四章 基于支持向量机的缺陷识别

4.1 统计识别方法简介

4.1.1 统计识别方法

4.1.2 函数集的VC维

4.1.3 结构风险最小化

4.2 支持向量机

4.2.1 最优分类超平面

4.2.2 线性SVM

4.2.3 非线性SVM

4.3 核函数理论

4.3.1 核函数理论

4.3.2 Mercer定理

4.3.3 常用核函数

4.4 基于支持向量机的缺陷模式识别

4.4.1 支持向量机的选用

4.4.2 特征提取及归一化

4.4.3 核函数与参数的确定

4.5 小结

总结与展望

参考文献

附录

攻读硕士学位期间取得的研究成果

致谢