[发明专利]基于特征提取和BP网络的工业CT图像缺陷分类方法

权利要求书

1.基于特征提取和BP网络的工业CT图像缺陷分类方法，其特征在于，包括以下步骤：

采集工业CT缺陷图像，采用Hu不变矩，提取工业CT缺陷图像的不变矩特征；

提取工业CT缺陷图像的形态特征；

提取工业CT缺陷图像的灰度特征；

将工业CT缺陷图像的不变矩特征、形态特征与灰度特征构成特征向量；

将待分类缺陷图像输入到经特征向量训练后的BP神经网络模型进行分类，实现分类目的。

2.根据权利要求1所述的基于特征提取和BP网络的工业CT图像缺陷分类方法，其特征在于，工业CT缺陷图像形态特征包括周长、面积、长宽比和圆形度。

3.根据权利要求2所述的基于特征提取和BP网络的工业CT图像缺陷分类方法，其特征在于，周长P通过下式计算：

式中，f(x,y)为缺陷像素点灰度值，R'为目标区域集合，x为图像像素点的横坐标，y为图像像素点的纵坐标。

4.根据权利要求2所述的基于特征提取和BP网络的工业CT图像缺陷分类方法，其特征在于，面积A通过下式计算；

式中，M为图像的行数，N为图像的列数，x为图像像素点的横坐标，y为图像像素点的纵坐标，f(x,y)为缺陷像素点灰度值。

5.根据权利要求2所述的基于特征提取和BP网络的工业CT图像缺陷分类方法，其特征在于，缺陷的长宽比Z通过下式计算：

式中，R为长轴，K为短轴。

6.根据权利要求2所述的基于特征提取和BP网络的工业CT图像缺陷分类方法，其特征在于，圆形度e通过下式计算：

式中，P为周长，A为面积。

7.根据权利要求1所述的基于特征提取和BP网络的工业CT图像缺陷分类方法，其特征在于，工业CT图像灰度特征包括缺陷图像灰度均值和缺陷灰度方差；

缺陷图像灰度均值通过下式计算：

式中：mean为缺陷图像灰度均值，M为图像的行数，N为图像的列数，x为图像像素点的横坐标，y为图像像素点的纵坐标，f(x,y)为缺陷像素点灰度值。

8.根据权利要求7所述的基于特征提取和BP网络的工业CT图像缺陷分类方法，其特征在于，缺陷灰度方差通过下式计算：

式中：mean为缺陷图像灰度均值，std为缺陷灰度方差，M为图像的行数，N为图像的列数，x为图像像素点的横坐标，y为图像像素点的纵坐标，f(x,y)为缺陷像素点灰度值。

9.根据权利要求1所述的基于特征提取和BP网络的工业CT图像缺陷分类方法，其特征在于，BP神经网络模型至误差最小，通过损失函数度量误差的大小，损失函数如下式所示：

其中，y为期望输出，为真实输出，β为用来确定是假正例还是假反例减少的参数。