[发明专利]基于多核支持向量机的无纺布表面小缺陷检测方法

权利要求书

1.一种基于多核支持向量机的无纺布表面小缺陷检测方法，其特征在于：

第一步，采集具有代表性的无纺布图像，获取高分辨率的原始图像，并统一图像的尺寸大小；

第二步，对原始图像进行灰度变换和滤波去噪预处理；

第三步，计算求出相对应的灰度共生矩阵，使用该矩阵对预处理后的图像进行图像纹理特征的提取和分析；

第四步，选择合适的基核函数进行组合，得到新的核函数，对核函数的参数进行优化；

第五步，构建基于新的核函数的多核支持向量机模型，使用该向量机对待检测图像进行分类，完成缺陷识别。

2.根据权利要求1所述的基于多核支持向量机的无纺布表面小缺陷检测方法，其特征在于：采集具有代表性的无纺布图像，其具体步骤是：分别采集带网格无纺布与无网格无纺布的有缺陷与无缺陷的图像，然后将所有图像的尺寸统一为512×512。

3.根据权利要求1所述的基于多核支持向量机的无纺布表面小缺陷检测方法，其特征在于：对图像进行预处理，其具体步骤是：先对图像进行直方图均衡化增加图像对比度，然后对图像进行高斯滤波去除噪声，具体的公式为：和k表示归一化前的灰度级，σ为高斯分布的标准差。

4.根据权利要求1所述的基于多核支持向量机的无纺布表面小缺陷检测方法，其特征在于：对预处理后的图像提取纹理特征，其具体方法是：灰度共生矩阵法。

5.根据权利要求4所述的基于多核支持向量机的无纺布表面小缺陷检测方法，其特征在于，采用以下方法求取灰度共生矩阵：

首先，在图像中任意一点A(x，y)与偏离它的一个点B(x+a，y+b)构成对点，a和b都为整数，假设对点的灰度值为(g₁，g₂)，图像的最大灰度级为L，那么g₁和g₂的组合一共以有L×L种；

然后，从整个图像的角度出发，记录下每一种(g₁，g₂)出现的次数，将这些次数排列组成一个方阵；最后，采用(g₁，g₂)出现的总次数将这个方阵的每个元素都归一化，求出概率P(g₁，g₂)，构建得到灰度共生矩阵。

6.根据权利要求1所述的基于多核支持向量机的无纺布表面小缺陷检测方法，其特征在于:选择合适的基核函数组合构建新的核函数，其具体方法是：选择的是高斯核函数和多项式核函数进行线性组合，新的核函数的公式为：

7.根据权利要求1所述的基于多核支持向量机的无纺布表面小缺陷检测方法，其特征在于，对核函数的参数进行优化，其具体方法是：选择了遗传算法来对核函数的两个参数进行优化计算。

8.根据权利要求7所述的基于多核支持向量机的无纺布表面小缺陷检测方法，其特征在于，使用遗传算法优化核函数，其具体步骤是：

首先，对参数进行编码，产生初始种群；其次，通过计算得到能代表个体优劣性的适应度；接着对种群进行选择、交叉和变异，得到新的种群；

然后，计算出新种群的适应度并进行评估，保留适应性强的个体，淘汰适应性差的个体；

最后，重复上述步骤，直到得到最优参数。