论文部分内容阅读
基于多尺度几何分析的表面缺陷特征提取方法中，常用的可分离二维Wavelet基是各向同性的，无法有效表示图像的纹理和边缘，且通常对多尺度分解系数所提取的特征不全面．提出基于非下采样Contourlet变换（NSCT）和脉冲耦合神经网络（PCNN）的特征提取方法，并应用于冷轧带钢表面缺陷自动识别．首先用NSCT对缺陷图像进行多尺度多方向分解；然后将子带图像输入PCNN迭代点火，计算点火图的熵序列作为子图的特征，合并各子图特征得到原图的特征向量；最后用支持向量机进行分类识别．该方法能够全面准确提取缺陷图像信息，