基于改进支持向量机的纸张缺陷图像分类识别方法

CHEN Jiang

Paper Science & Technology（2023）

新疆工业职业技术学院

被引用0|浏览0

摘要

随着纸张生产越来越多样化,带有花纹图案的纸张在缺陷识别时难度大大增加,传统的识别方法准确性不足.针对上述问题,研究一种基于改进支持向量机的纸张缺陷图像分类识别方法.该方法针对采集到的原始纸张图像实施灰度化、滤波前处理,对处理后的图像进行二值化,分割图像缺陷目标和背景,寻找缺陷目标边界并提取缺陷的几何特征和灰度特征.利用蝙蝠算法求取支持向量机两个关键参数的最优值,实现支持向量机改进.以几何特征和灰度特征为输入量,利用改进支持向量机实现纸张缺陷图像分类识别.结果表明:所研究方法的Kappa系数在两种样本集合中的识别都相对更高,由此说明所研究方法的识别能力更强.

更多

关键词

improving support vector machines,paper defect images,pre processing,binarization,feature lifting,classification and recognition methods