[发明专利]基于局部特征空间距离的带钢表面缺陷图像特征提取方法

摘要

本发明涉及一种基于局部特征空间距离的带钢表面缺陷图像特征提取方法。其技术方案是对于一幅带钢表面缺陷图像预处理后的向量数据点Xi分别从所有幅带钢表面缺陷图像预处理后的向量数据点构成矩阵数据X中选择与一幅带钢表面缺陷图像预处理后的向量数据点Xi类别相同的K个近邻点建立流形局部特征空间S(Xi)，然后以流形局部特征空间S(Xi)之间的距离度量多流形散度Js，在保持流形局部结构不变的基础上，最大化多流形散度来寻找低维投影矩阵A，实现带钢表面缺陷图像的判别特征提取。本发明通过最大化多流形散度Js提取带钢表面缺陷图像的分类特征，具有提高带钢表面缺陷图像识别效果的特点。

主权项

一种基于局部特征空间距离的带钢表面缺陷图像特征提取方法，其特征在于所述方法的具体步骤是：步骤一、对采集的带钢表面缺陷图像依次进行灰度化处理、平滑处理、归一化处理和向量化，得到一幅带钢表面缺陷图像预处理后的向量数据点Xi，所有幅带钢表面缺陷图像预处理后的向量数据点Xi构成矩阵数据X，其中：i＝1,2,...,n，n表示所有带钢表面缺陷图像的总数；步骤二、从所有带钢表面缺陷图像预处理后的矩阵数据X中寻找与一幅带钢表面缺陷图像预处理后的向量数据点Xi欧氏距离最小和类别相同的k幅带钢表面缺陷图像预处理后的向量数据点，构成与一幅带钢表面缺陷图像预处理后的向量数据点Xi相关的流形局部特征空间S(Xi)，最小线性表示误差系数Wj为：Wj=min||Xi-Σj=1kWjXj||2---(1)]]>Wj=ΣiGjt-1/Σj,tGjt-1---(2)]]>式(1)和(2)中：Xi表示一幅带钢表面缺陷图像预处理后的向量数据点，Xj表示与一幅带钢表面缺陷图像预处理后的向量数据点Xi欧氏距离最小和类别相同的k幅带钢表面缺陷图像预处理后的第j个向量数据点，Gjt表示局部格莱姆矩阵，Gjt＝(Xi‑Xj)·(Xi‑Xt)，Xt表示与一幅带钢表面缺陷图像预处理后的向量数据点Xi欧氏距离最小和类别相同的k幅带钢表面缺陷图像预处理后的第t个向量数据点，i，j和t均为自然数，i≠j≠t；步骤三、对于其余的任一幅带钢表面缺陷图像预处理后的向量数据点Xi，重复步骤二，得到最小线性表示误差系数矩阵W；步骤四、建立多流形散度的数学模型JsJs=ΣiΣm||S(Xi)-S(Xm)||2Him---(3)]]>式(3)中：S(Xi)表示与一幅带钢表面缺陷图像预处理后的向量数据点Xi相关的流形局部特征空间，S(Xm)表示与另一幅带钢表面缺陷图像预处理后的向量数据点Xm相关的流形局部特征空间，||S(Xi)‑S(Xm)||表示与一幅带钢表面缺陷图像预处理后的向量数据点Xi相关的流形局部特征空间S(Xi)到与另一幅带钢表面缺陷图像预处理后的向量数据点Xm相关的流形局部特征空间S(Xm)之间的欧氏距离Dim，Him表示一幅带钢表面缺陷图像预处理后的向量数据点Xi与另一幅带钢表面缺陷图像预处理后的向量数据点Xm之间的类别差异信息：步骤五、与一幅带钢表面缺陷图像预处理后的向量数据点Xi相关的流形局部特征空间S(Xi)到与另一幅带钢表面缺陷图像预处理后的向量数据点Xm相关的流形局部特征空间S(Xm)之间的欧氏距离Dim为：Dim=||fi(P)(Xm)-fm(P)(Xi)||---(5)]]>式(5)中：表示一幅带钢表面缺陷图像预处理后的向量数据点Xi在与另一幅带钢表面缺陷图像预处理后的向量数据点Xm相关的流形局部特征空间S(Xm)内的投影，表示另一幅带钢表面缺陷图像预处理后的向量数据点Xm在与一幅带钢表面缺陷图像预处理后的向量数据点Xi的相关的流形局部特征空间S(Xi)内的投影；步骤六、构建目标函数模型maxAT{ΣiΣm||fi(P)(Xm)-fm(P)(Xi)||2Him}As.tATX(I-W)(I-W)TXTA=I---(6)]]>式(6)中：A表示低维投影矩阵，T表示矩阵转置，I表示单位矩阵；对式(6)进行广义特征值分解ΣiΣm||fi(P)(Xm)-fm(P)(Xi)||2Himf=λX(I-W)(I-W)TXTf---(7)]]>式(7)中：λ表示特征值，f表示特征向量；将特征值λ由大到小顺序进行排列，取前d个特征值所对应的特征向量f组成低维投影矩阵A，其中d表示所提取特征的维数；步骤七、对于一幅带钢表面缺陷图像预处理后的向量数据点Xi，经过线性投影后的低维特征Yi为：Yi＝ATXi   (8)式(8)中：A表示低维投影矩阵，T表示矩阵转置。