目基于模糊神经网络自动分类.doc

PAGE PAGE 18 题 目： 基于模糊神经网络自动分类 系统的设计及其应用研究 作 者 姓 名：__曾永发 指导教师姓名、职务：苏彩红　副教授 学 科 门 类 ：工学学科、电气工程与自动化系 提交论文日期：2005__年__11__月 __30__日 摘 要 墙地砖缺陷自动检测与分类识别系统是基于计算机视觉及模式识别的智能系统，该系统采用先进的数字图像处理技术并结合人工智能与模式识别技术，具有广阔的发展前景及实用价值，该系统设计的目的是为了代替人工的检测与分类，目前陶瓷厂大批量陶瓷出厂前的缺陷检测及分类都还是依靠人工，而完全依赖于人的主观感觉判断，其准确性、稳定性都是不理想的，本文利用PXI总线控制器以及高速图像采集卡构建机器视觉系统来模拟人的视觉，同时利用IMAQ Assistant强大的数字图像处理能力和LabView友好的交互界面进行人机交互控制，实现墙地砖的自动检测，在智能分类方面利用MATLAB构建模糊神经网络分类器实现墙地砖的分类。 关键词： 计算机视觉，图像采集卡，缺陷自动检测，数字图像处理，模糊神经网络 1 墙地砖纹理特征提取模块的研究 1.1 纹理分析的基本思想 纹理信息是描述和识别图像的一项重要依据，纹理的3项基本要素：（1）某种局部的序列性在比该序列更大的区域内不断重复。（2）序列是由基本部分非随机排列组成的。（3）各部分大致是均匀的统一体。我们通过分析墙地砖图像中的纹理结构，提取反映该类墙地砖表面本质的特征，我们认为纹理是对于图像各像元灰度空间分布的一种描述，而纹理特征就是图像局部性质的统计，粗糙性和方向性是区分纹理所用的两个主要特征，在我们看来，要实现计算机识别墙地砖并对其进行分类，就必须提取所采集的墙地砖图像的纹理特征，而如何设计算法实现纹理的分析提取，我们一直在研究和探索之中。也是我们今后的研究方向。 1.2 基于空间灰度层共生矩阵的纹理特征提取算法 我们采用空间灰度层共生矩阵算法，为了更加有效的实现该算法，我们在使用之前对图像进行了处理，使的提取的特征更能反映图像的本质，我们提出以下两个优化策略： a) 将彩色图像的RGB模型转换为HSI模型 HIS彩色模型中分量分别代表色调（Hue）、饱和度（Saturation）和亮度（Illumination），该彩色模型描述彩色空间能更好的与人的视觉特性相匹配，色调反映颜色种类由光的波长决定，饱和度指彩色的深浅称度，而亮度是不可测的， 该模型的优点在于它将亮度与反映色彩本质的色调、饱和度分离开来。我们 在提取一类物体在色彩反面的特性时，需要了解其在某一色彩空间的聚类特性，而 这一聚类特性体现在色彩的本质特性上，但又经受到光照明暗等条件的干扰影响， 若将亮度分量从色彩中提取出去，只用反映色彩本质的H和S分量进行分析，效果更 好，RGB彩色模型转换为HIS模型可以由下面的公式得到： (3-4-1) 其中可由的锥体模型得到： (3-4-2) 饱和度及亮度分量公式： (3-4-3) b) 直方图均衡化避免细节丢失 在计算基于空间层灰度共生矩阵的特征参数值时，需要将输入的各分量矩阵作降维处理，减小灰度的级数，如果直接处理就会导致图像细节的丢失，因此我们对各分量矩阵首先作直方图均衡化处理，这样可以保持细节减小计算误差， 提高分类的精度。 1.3 空间层灰度共生矩阵算法原理及实现 图像的空间层灰度共生矩阵反映了图像灰度关于方向、相邻间隔、变化幅度的综合信息，它是分析图像局部模式结构及其排列规则的基础。作为纹理分析的特征量，不是直接应用计算的灰度共生矩阵，而是在灰度共生矩阵的基础上再提取纹理特征量，称为二次统计量。 一幅图像的灰度级数一般是256 级，这样级数太多会导致计算灰度共生矩阵大，计算量大。因此，在求灰度共生矩阵之前常压缩为16级。进行特征提取前首先对式(1)表示的共生矩阵作归一化处理:令 (3-4-4) 式(3-4-4)中 R是归一化常数，当取时，每一行有个水平相邻像数对，因此图像总共有个水平相邻像数对，，当时，图像共有个相邻像数对，当,时，