基于Curvelet变换和支持向量机的磁瓦表面缺陷识别方法

摘要

针对磁瓦表面缺陷对比度低、自动识别困难的问题,作者提出了一种对磁瓦图像应用快速离散Curvelet变换(FDCT)提取特征,并用支持向量机(SVM)分类器进行分类的磁瓦微小缺陷自动识别方法。该方法首先对磁瓦图像做分块处理,并对各分块图像应用FDCT,计算分解系数的l2范数,获得磁瓦不同方向的纹理频域特征;然后以归一化的分解系数l2范数作为支持向量机分类器的特征向量,对图像做出分类。对不同缺陷占比的图像进行实验测试,结果显示,当缺陷部分占分块图像的比例在1/64以上时正确识别率大于83%。