当前位置:首页 >散文精选>

一种基于小波变换的墙地砖缺陷图像特征提取方式

来源:www.timetimetime.net 时间:2019-10-27 编辑:文学

纹理描述了信号的局部特征并被缩放。当分辨率不同时,同一部分将显示不同的纹理特征。由于小波变换在时空和频域均具有良好的定位特性,因此其多分辨率表示可沿频率轴方向提供基于比例的图像纹理信息分布。

根据墙壁和地板砖纹理的随机性,本文对图像进行多比例缩放,并计算每个比例的能量。所获得的能量值与图像线的循环旋转无关。这些能量不仅消除了原始图像旋转的影响,而且使图像具有比例和平移不变的特性。

1基于小波变换的图像特征提取方法

1.1小波基的选择在基于小波分解的图像分割方法中,小波基函数的选择非常重要。墙砖的自动分类要求强大的实时性能。为了快速并尽可能地消除分解数据的相关性,选择了正交小波函数。同时,为了使矩阵更加稀疏以减少计算量,选择了具有高消失矩的小波和缩放函数。在该算法中,选择小波函数系统中的db2小波作为基本小波。根据改进的MALLAT算法,对图像进行小波变换,利用小波变换的多尺度特征提取不同精度的图像,得到近似细节分量,水平细节信号,垂直细节信号和对角细节信号。从小波分解子图像中提取出纹理分析所需的特征。能源是最重要和最常用的。由于细节子图像是原始图像的高频成分,因此包含了主要的纹理信息,并且每个细节子图像的能量都作为纹理特征,可以反映出沿频率轴的能量分布。关于规模和方向。小波分析应用于随机纹理墙和地板砖,即图像通过二维小波分解,并提取其小波能量以计算特征值。小波能量值用于提取合适的墙地砖纹理分析的最佳分解尺度。基本原理是样本能量值可以反映信息量,有利于纹理细节的完整表达和比较。表1显示了不同比例的LL,LH,HL和HH子图像的能量值和能量比率分布。

表1显示了比例尺j(j=1、2、3)上图像的能量值,它们对应于每个比例尺上的四个子图(LL子图,HL子图,LH子图,HH子图)。从表中可以看出,当分解尺度的数量从1变为3时,LL子图中样本的能量值基本不变或略有下降,这表明纹理的宏观结构虽然保持不变,但基本保持不变。被各种规模分解。因此,这些能量值由比例信号的能量解决,特征值可以通过按比例顺序排列来形成。由于对角线细节的能量值较小,因此为了减少特征值的数量,并且由于图像的纹理细节主要显示在高频部分中,因此丢弃了对角线细节和近似细节能量值。仅对比例4和比例1和比例2的水平和垂直细节部分执行特征提取。

另外,根据提取图像特征的方法,提取墙地砖的峰度,标准偏差和灰度平均值。在表2中,(a)-(e)是无缺陷的,大面积的缺陷,凹陷,裂缝,洞穴和水印。 2实验与结果分析从实验中可以看出,小波分解尺度越大,整体的特征向量就越多,但在实际应用中,多尺度和多特征向量不仅显着增加了计算量,而且随比例的增加,小波变换中涉及的边界像素和边界之外的像素也会增加,从而导致伪纹理的出现。尽管小波分解后的图像基本上保留了图像的缺陷信息,但是也消除了图像中的大量纹理信息。如果缺陷类似于纹理,则也将其消除,这主要是因为纹理信息以大量的小波分解形式存在。在高频系数中,小波变换仅分解近似分量,因此丢失了纹理信息。因此,样本能量值可以反映信息量,有利于纹理细节的完整表达和比较。

3个结论

提出了一种基于小波变换的不变纹理提取方法。首先,使用改进的MALLAT算法将图像转换为具有比例和平移不变性的多尺度能量图像。图像以不同的比例反映纹理图像的能量分布。

相关文章
热门标签
日期归档

版权所有© 阅读时间 | 备案: 鄂ICP备12015973号-1 | www.timetimetime.net . All Rights Reserved | 网站地图