基于复域Contourlet特征向量的连铸板坯表面特征分类方法 .pdf

基于复域Contourlet特征向量的连铸板坯表面特征分类方法

于基睿;汪泽浩;李培玉

【摘要】针对连铸板坯表面缺陷特征检测的复杂性,提出了应用复域Contourlet

分解特征图像的一种表面特征分类方法.其相对于传统方法具有更优的移不变性、

方向选择性和图像特征提取率.通过将图像特征区域进行复域Contourlet分解,再

经由方向滤波器组,提取Contourlet域的方向子带系数矩阵,再求取系数矩阵的能

量、方差、偏斜度,作为一种量化图像的特征向量.将特征向量输入支持向量机进行

图像特征识别训练,之后可以进行图像的各类特征识别和分类.工业现场测试的效果

表明,通过该方法进行的表面特征分类准确率在90％左右,能够应用于连铸钢板坯的

图像特征提取和板坯缺陷检测.

【期刊名称】《计算机应用》

【年(卷),期】2014(034)012

【总页数】5页(P3660-3664)

【关键词】复域Contourlet分解;支持向量机;特征分类

【作者】于基睿;汪泽浩;李培玉

【作者单位】浙江大学机械工程学系,杭州310027;浙江大学机械工程学系,杭州

310027;浙江大学机械工程学系,杭州310027

【正文语种】中文

【中图分类】TP274

0引言

钢铁是一个工业生产领域的命脉，钢铁质量的优劣也成为制造业最关注的热点。因

此，对炼钢生产过程中的工艺、检测、控制等方面的要求也越来越高。连铸板坯由

于工艺和非稳态生产等因素，板坯表面会出现横向纵向裂纹、缺孔、表面划伤等缺

陷。如果能够通过精确的图像识别，提取板坯表面缺陷特征，将能提高连铸钢板坯

利用率。故连铸钢板坯表面缺陷检测具有很大的实际意义。图像特征提取涉及的领

域非常广泛，例如地质领域的形貌分析、工业领域的故障诊断和缺陷检测、遥感图

像识别和医学图像处理等。随着技术的发展，图像的分析手段也向多尺度和自适应

性靠拢。近些年，如图像灰度梯度算子、二维希尔伯特变换、二维经验模态分解等

方法，都有了比较广泛的应用。小波理论也被广泛应用于图像编码、图像去噪和图

像增强，但是由于小波变换的各向同性，对于处理高维复杂奇异点时的效果并不理

想。为了能够更好地处理高维数据，近几年出现的一些新的多尺度几何分析方法，

如curvelet、bandelet、Contourlet等，克服了小波方法由于方向性不足而对于

纹理特征检测能力不理想的缺点，能够多尺度、多方向性地进行分析，具有很好的

应用前景［1］。

1复域Contourlet分解

Contourlet理论是由Do和Vetterli提出［1］，是一种具有较好发展前景的多尺

度多方向图像处理方法。该方法对图像信号处理包含两个阶段:首先经过塔形滤波

器(LaplacianPyramid，LP)分解为一个低通分量和一个带通分量，之后通过方向

滤波器组(DirectionalFilterBanks，DFB)将带通分量在尺度k上以2k个方向进

行分解，剩余的低通分量则继续进行上述塔形分解和方向分解。这就是多尺度多方

向性分析的本质。但是传统Contourlet方法存在一定不足，比如较差的移不变性、

数据冗余性等。因此，相继又有很多修正理论出现，旨在提高变换不敏感性，增加

移不变性和方向选择性，且仅适度加剧数据冗余。Kingsbury提出了双树复域小

波变换，但是仅增加了有限的方向信息［2］。在此基础上又发展出的复域

Contourlet理论，具有移不变性和优秀的方向选择性，能表征一定相位信息，更

有效地提取图像的边界和纹理信息［3］。复域Contourlet理论通过将双树复域

小波变换与方向滤波器相结合，其处理方法是:首先进行双树复域小波变换，通过

两路滤波器对输入图像进行处理，各路均存在2个滤波器，即共4个滤波器，分

别为低通滤波器以及高通滤波器图像经历双树小波变换，各尺度下的分解均产生8

个子带信号，其中包含2个低频子带信号和6个高频子带信号。高频子带信号分

别代表图像±15°、±75°和±45°的6个方向信息，低频子带信号则继续做分解。

各分解尺度下的高频子信号再经过该级方向滤波器，得到该级数下各方向的子带系

数矩阵Wj，k，如此得到的分解图像包含更多方向信息，弥补双树复域小波变换

的方向性不足。

系数矩阵计算可以通过式(1)表示［4］:

其中:为在尺度j下，高频子带经过lj级方向滤波器后得到的所有方向子带分解系

数;i代表三种高频子带滤波器组合，即高通-低通、低通-高通、高通-高通;分解方