D0I:10.13374/i.issnl00113.2009.10.022 第31卷第10期 北京科技大学学报 Vol.31 No.10 2009年10月 Journal of University of Science and Technology Beijing 0t.2009 基于小波不变矩和保局投影的表面缺陷识别方法 吴秀永徐科徐金梧 北京科技大学高效轧制国家工程研究中心，北京100083 摘要提出了一种基于小波矩不变量和保局投影(LPP)的特征提取方法，并应用于中厚板表面缺陷自动识别，首先对图像 做三级小波变分解，将中厚板表面图像的细节分解到各个尺度的各个分量中并利用小波阈值收缩法降噪：然后对各分量的傅 里叶幅值谱提取H血不变矩作为原始特征向量，并利用LPP将该特征向量的维数从77维降到8维：最后利用AdaBoost分类器 对样本进行分类识别·实验结果表明，本文提出的特征提取方法适用于中厚板表面缺陷分类，识别率达到91.60%. 关键词小波；AdaBoost;不变矩：保局投影：表面检测 分类号TP391 Plate surface defect recognition method based on wavelet moment invariant and locality preserving projection WU Xiu-yong.XU Ke,XU Jin-wu National Engineering Research Center for Advanced Rolling.University of Science and Technology Beijing.Beijing 100083,China ABSTRACT A feature extraction method based on wavelet moment invariant and locality preserving projection(LPP)was presented and applied to the automatic recognition of plate surface defects.3-level wavelet decomposition was performed on the surface images. details of the plate surface images were decomposed into components on several scales.and then the noise scattered in detail compo- nents of all the scales was reduced by wavelet shrinkage.Moment invariants were extracted from amplitude spectra of all the compo- nents,and then the feature vector composed by all the moment invariants was reduced from 77-demension to 8-dimension via LPP. At last,an AdaBoost classifier based on decision trees was constructed to classify the samples.Experimental results demonstrated that the feature extraction method presented in this paper was applicable to the classification of plate surface defects,and the classification rate was 91.60%. KEY WORDS wavelet:AdaBoost:moment invariant:locality preserving projections(LPP):surface detection 中厚板表面缺陷在线检测系统能提高中厚板表 热轧中厚板表面缺陷形态复杂，即使是同一种 面质量检测结果的准确性和客观性，提高生产效率， 类型的缺陷，相互之间差别也很大；而不同类型缺陷 降低工人劳动强度，因此，中厚板表面缺陷在线检 的形态在某种程度上很相似，中厚板表面的氧化铁 测系统成为中厚板生产企业关注的重要内容. 皮比较多，而且氧化铁皮的颜色、形态各异，容易被 目前，基于机器视觉技术的表面缺陷在线检测 识别为缺陷，是影响中厚板表面检测的主要因素， 系统成为表面质量检测系统的主流，表面质量检测 在中厚板表面质量检测中，氧化铁皮不算缺陷；但为 算法是基于机器视觉技术的表面质量在线检测系统 了将氧化铁皮与真正的缺陷区分开来，本文将氧化 的核心，它主要包含以下四个步骤：图像预处理、缺 铁皮作为一类缺陷来处理， 陷检测、缺陷特征提取和分类识别，缺陷特征提取 中厚板表面缺陷可以分为两大类：形状缺陷和 对于后续分类识别起着至关重要的作用，是表面质 纹理缺陷，形状缺陷是指形状特征比较明显的缺 量检测算法研究的热点之一， 陷，例如划伤、裂纹和网纹；纹理缺陷是指纹理特征 收稿日期：2008-12-16 基金项目：国家自然科学基金资助项目(N。·60705017):“十一五"国家科技支撑计划资助项目(N。,2006BAE03A06) 作者简介：吴秀永(1981一)，男，博士研究生；徐金梧(1949一)，男，教授，博士生导师，E mail:jwxu@ustb-edu-cn基于小波不变矩和保局投影的表面缺陷识别方法 吴秀永 徐 科 徐金梧 北京科技大学高效轧制国家工程研究中心‚北京100083 摘 要 提出了一种基于小波矩不变量和保局投影（LPP）的特征提取方法‚并应用于中厚板表面缺陷自动识别．首先对图像 做三级小波变分解‚将中厚板表面图像的细节分解到各个尺度的各个分量中并利用小波阈值收缩法降噪；然后对各分量的傅 里叶幅值谱提取 Hu 不变矩作为原始特征向量‚并利用 LPP 将该特征向量的维数从77维降到8维；最后利用 AdaBoost 分类器 对样本进行分类识别．实验结果表明‚本文提出的特征提取方法适用于中厚板表面缺陷分类‚识别率达到91∙60％． 关键词 小波；AdaBoost；不变矩；保局投影；表面检测 分类号 TP391 Plate surface defect recognition method based on wavelet moment invariant and locality preserving projection W U Xiu-yong‚XU Ke‚XU Jin-w u National Engineering Research Center for Advanced Rolling‚University of Science and Technology Beijing‚Beijing100083‚China ABSTRACT A feature extraction method based on wavelet moment invariant and locality preserving projection （LPP） was presented and applied to the automatic recognition of plate surface defects．3-level wavelet decomposition was performed on the surface images‚ details of the plate surface images were decomposed into components on several scales‚and then the noise scattered in detail compo￾nents of all the scales was reduced by wavelet shrinkage．Moment invariants were extracted from amplitude spectra of all the compo￾nents‚and then the feature vector composed by all the moment invariants was reduced from 77-demension to 8-dimension via LPP． At last‚an AdaBoost classifier based on decision trees was constructed to classify the samples．Experimental results demonstrated that the feature extraction method presented in this paper was applicable to the classification of plate surface defects‚and the classification rate was91∙60％． KEY WORDS wavelet；AdaBoost；moment invariant；locality preserving projections （LPP）；surface detection 收稿日期：20081216 基金项目：国家自然科学基金资助项目（No．60705017）；“十一五”国家科技支撑计划资助项目（No．2006BAE03A06） 作者简介：吴秀永（1981—）‚男‚博士研究生；徐金梧（1949—）‚男‚教授‚博士生导师‚E-mail：jwxu＠ustb．edu．cn 中厚板表面缺陷在线检测系统能提高中厚板表 面质量检测结果的准确性和客观性‚提高生产效率‚ 降低工人劳动强度．因此‚中厚板表面缺陷在线检 测系统成为中厚板生产企业关注的重要内容． 目前‚基于机器视觉技术的表面缺陷在线检测 系统成为表面质量检测系统的主流．表面质量检测 算法是基于机器视觉技术的表面质量在线检测系统 的核心‚它主要包含以下四个步骤：图像预处理、缺 陷检测、缺陷特征提取和分类识别．缺陷特征提取 对于后续分类识别起着至关重要的作用‚是表面质 量检测算法研究的热点之一． 热轧中厚板表面缺陷形态复杂‚即使是同一种 类型的缺陷‚相互之间差别也很大；而不同类型缺陷 的形态在某种程度上很相似．中厚板表面的氧化铁 皮比较多‚而且氧化铁皮的颜色、形态各异‚容易被 识别为缺陷‚是影响中厚板表面检测的主要因素． 在中厚板表面质量检测中‚氧化铁皮不算缺陷；但为 了将氧化铁皮与真正的缺陷区分开来‚本文将氧化 铁皮作为一类缺陷来处理． 中厚板表面缺陷可以分为两大类：形状缺陷和 纹理缺陷．形状缺陷是指形状特征比较明显的缺 陷‚例如划伤、裂纹和网纹；纹理缺陷是指纹理特征 第31卷 第10期 2009年 10月 北 京 科 技 大 学 学 报 Journal of University of Science and Technology Beijing Vol．31No．10 Oct．2009 DOI:10．13374／j．issn1001－053x．2009．10．022