基于布朗模型和小波变换的镀锌钢板表面缺陷分形特征的研究(图文)_第1页
基于布朗模型和小波变换的镀锌钢板表面缺陷分形特征的研究(图文)_第2页
基于布朗模型和小波变换的镀锌钢板表面缺陷分形特征的研究(图文)_第3页
全文预览已结束

下载本文档

版权说明:本文档由用户提供并上传,收益归属内容提供方,若内容存在侵权,请进行举报或认领

文档简介

1、基于布朗模型和小波变换的镀锌钢板表面缺陷分形特征的研究(图文)论文导读:而边浪与擦伤两个缺陷用其它特征不易区分,本文考虑将图像的分形维数作为区分上述两类缺陷的特征量。有效的提取图像的特征是镀锌钢板缺陷检测识别率高的前提,本文运用小波变换将镀锌钢板的图像分解为频率不同的小波系数图,结合分形布朗模型来计算个子图的分维数作为分类特征,根据结果得知该特征对于区分边浪和划伤是很有效的。关键词:小波变换,分形布朗模型,分形特征,分形维数小波变换是在傅立叶分析的基础上发展起来的, 而且是傅立叶分析的发展和重大突破, 它优于傅立叶分析的地方是它在空间域和时域都是局部化的由于在时域和频域同时具有良好的局部特性,

2、 所以被誉为“数学显微镜”,在很多领域得到了广泛的应用。Pentland通过对自然景物纹理特性的研究,证明了大多数自然景物的灰度图像满足各向同性的分形布朗运动随机场模型.1968年Mandelbrot和VanNess将分形布朗运动描述为其中,B(s)是一般布朗运动函数,H是描述自相似性或表面粗糙性的因子,也称Hurst指数,它和分形维数D以及函数的拓扑维数T有下面的关系:D=T+1-H其中,0H1.当H=1/2时,BH(s)=B(s),分形布朗运动退化为一般的布朗运动.通过分析缺陷镀锌板的图像可知,边浪缺陷和擦伤两类缺陷有自相似性,符合纹理图像的特征。而边浪与擦伤两个缺陷用其它特征不易区分,本

3、文考虑将图像的分形维数作为区分上述两类缺陷的特征量。首先对图像进行小波分解,得到图像在垂直方向、水平方向和对角方向上的小波系数图像和低频逼近图像,然后根据布朗模型计算每幅图像的分形维数。2图像的小波分解利用金字塔小波变换将图像分解为不同频带的小波系数图像。这里使用可分离的二维离散小波变换1。其中,为尺度函数对应的小波函数,是与尺度函数对应的小波函数,、为水平、垂直方向的一维尺度函数,、为水平、垂直方向的一维小波函数,对一幅图像函数使用上述尺度函数和小波函数做变换得到:这样原图像被分解成一幅低频逼近图像和高频图像金字塔结构、和的组合。3分维数的计算若用分形布朗函数来描述镀锌钢板图像的纹理特征,则其概率分布满足(1)式中为维欧氏空间的任意一点;为高斯分

温馨提示

  • 1. 本站所有资源如无特殊说明,都需要本地电脑安装OFFICE2007和PDF阅读器。图纸软件为CAD,CAXA,PROE,UG,SolidWorks等.压缩文件请下载最新的WinRAR软件解压。
  • 2. 本站的文档不包含任何第三方提供的附件图纸等,如果需要附件,请联系上传者。文件的所有权益归上传用户所有。
  • 3. 本站RAR压缩包中若带图纸,网页内容里面会有图纸预览,若没有图纸预览就没有图纸。
  • 4. 未经权益所有人同意不得将文件中的内容挪作商业或盈利用途。
  • 5. 人人文库网仅提供信息存储空间,仅对用户上传内容的表现方式做保护处理,对用户上传分享的文档内容本身不做任何修改或编辑,并不能对任何下载内容负责。
  • 6. 下载文件中如有侵权或不适当内容,请与我们联系,我们立即纠正。
  • 7. 本站不保证下载资源的准确性、安全性和完整性, 同时也不承担用户因使用这些下载资源对自己和他人造成任何形式的伤害或损失。

评论

0/150

提交评论