买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：电子科技大学

摘要：本发明公开了一种基于HOG、LBP和GLCM特征融合的吸波涂层散斑缺陷检测方法，收集若干吸波涂层散斑图像样本并对是否存在脱粘缺陷进行标注，对于每幅散斑图像样本分别提取其HOG特征向量并降维，对于每幅散斑图像样本获取对应的LBP图像，然后对LBP图像提取对应的GLCM特征向量，将每幅散斑图像样本降维后的HOG特征向量和GLCM特征向量进行串行特征融合，得到融合特征向量并进行降维，将降维后的融合特征向量及对应标签对分类模型进行训练，在缺陷检测时，从需要进行缺陷检测的吸波涂层散斑图像中提取出降维后的融合特征向量，输入训练好的分类模型得到缺陷检测结果。本发明融合了HOG、LBP和GLCM进行纹理特征提取，对于散斑图像的脱粘缺陷检测可以取得更好的检测效果。

主权项：1.一种基于HOG、LBP和GLCM特征融合的吸波涂层散斑缺陷检测方法，其特征在于包括：S1：收集N幅吸波涂层散斑图像，其中部分吸波涂层散斑图像中涂层存在脱粘缺陷，将这些散斑图像转化为灰度图像并归一化至预设尺寸作为散斑图像样本，对每幅散斑图像样本标注出是否存在脱粘缺陷的标签pn，pn＝0表示不存在脱粘缺陷，pn＝1表示存在脱粘缺陷，n＝1,2,…,N；S2：对于每幅散斑图像样本分别提取其HOG特征向量S3：对散斑图像样本的HOG特征进行降维，得到K维的HOG特征，记第n幅散斑图像样本降维后的HOG特征向量为其中K根据实际需要设置；S4：对于每幅散斑图像样本，计算每个像素点的LBP算子的十进制数值，再转换为灰度值，得到散斑图像样本对应的LBP图像；S5：对于每幅散斑图像样本对应的LBP图像，提取其对应的GLCM特征向量S6：将每幅散斑图像样本降维后的HOG特征向量和GLCM特征向量进行串行特征融合，得到融合特征向量S7：对融合特征向量进行降维，得到每幅散斑图像样本降维后的融合特征向量S8：根据需要设置一个分类模型，采用所有散斑图像样本降维后的融合特征向量作为分类模型的输入，对应标签pn作为分类模型的期望输出，对分类模型进行训练；S9：对于需要进行胶粘缺陷检测的吸波涂层散斑图像，首先归一化至预设尺寸，再采用步骤S2中的相同方法提取出归一化后吸波涂层散斑图像的HOG特征向量根据步骤S3中降维结果提取得到降维后的HOG特征向量然后采用步骤S4中的相同方法获取归一化后吸波涂层散斑图像对应的LBP图像，采用步骤S105中的相同方法提取出对应的GLCM特征向量对HOG特征向量和GLCM特征向量进行串行特征融合，得到融合特征向量为再根据步骤S7中的降维结果提取出降维后的融合特征向量将降维后的融合特征向量输入步骤S8训练好的分类模型，所得到的分类结果即为吸波涂层散斑图像的缺陷检测结果。

全文数据：

权利要求：

百度查询： 电子科技大学 基于HOG、LBP和GLCM特征融合的吸波涂层散斑缺陷检测方法