论文部分内容阅读
特征抽取对表面缺点图象的分类必要。热转动的钢的缺点在不同方向散布。因此,多尺度的几何分析(MGA ) 的方法被采用在几规模把图象分解成几方向性的 subbands。然后,每 subband 的统计特征被计算生产高度维的特征向量,它被嵌入算法的图归结为降低维的向量。最后,支持向量机器(SVM ) 被用于缺点分类。多尺度的特征抽取方法经由保存设计(KLPP ) 的 curvelet 变换和核地区被实现。建议方法为分类热转动的钢和全部的分类率的表面缺点是有效的实验结果表演直到 97.33% 。