基于特征分类的低分辨率触摸屏表面缺陷检测

发布时间：2017-08-16 20:17

  本文关键词：基于特征分类的低分辨率触摸屏表面缺陷检测

  更多相关文章： 触摸屏 缺陷检测 纹理分析 稀疏表示 SVM

【摘要】：触控技术作为当前自然人机交互的主流技术,几乎占领了所有的智能终端设备。触摸屏的质量对触摸屏制造企业至关重要。由于触摸屏缺陷自动检测装置价格昂贵,目前国内许多企业仍然采用人工检测的方法对触摸屏进行缺陷检测。但是随着触摸屏的规模化生产,人工检测已经很难满足实际的生产要求。因此,触摸屏生产厂商迫切需求研究出自动的触摸屏表面图像缺陷检测技术。本文基于计算机视觉、图像处理等相关知识,提出了自动的低分辨率触摸屏表面缺陷检测方法,具体研究成果如下：(1)针对低分辨率触摸屏表面图像低对比度、噪声和细微缺陷相似的问题,提出了基于Gabor统计特征的字典稀疏表示触摸屏图像缺陷检测算法。该算法引入了Gabor特征用于描述触摸屏表面图像,利用Gabor统计特征构造字典并对字典进行优化,将稀疏表示分类的方法应用于低分辨率的触摸屏表面缺陷检测。(2)特征提取和分类算法是触摸屏表面缺陷检测算法中的关键。本文提出了基于局部及全局特征,并利用SVM(Support Vector Machine)进行分类的触摸屏表面缺陷检测方法。该方法提取图像的局部Gabor特征和全局GLCM(Gray Level Co-occurrence Matrix)特征,分别搭建合理的SVM分类模型,实现了低分辨率触摸屏表面缺陷检测。同时提出了Gabor滤波参数寻优准则和GLCM特征描述的优选方案。通过上述基于特征提取和分类的检测方法,实现了低分辨率触摸屏图像自动缺陷检测。实验表明,基于Gabor特征和稀疏表示的触摸屏表面缺陷检测算法准确率达到96%之高,基于SVM分类的方法最高准确率也达到93.23%,能够满足触摸屏表面缺陷检测的生产要求。
【关键词】：触摸屏 缺陷检测 纹理分析 稀疏表示 SVM
【学位授予单位】：北京交通大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：TP391.41
【目录】：

• 致谢5-6
• 摘要6-7
• ABSTRACT7-11
• 1 引言11-17
• 1.1 课题研究背景与意义11-12
• 1.2 国内外研究现状12-15
• 1.2.1 人工检测13
• 1.2.2 机器视觉检测13-15
• 1.3 本文的研究内容15
• 1.4 论文的组织结构15-17
• 2 触摸屏表面缺陷检测相关综述17-40
• 2.1 触摸屏表面缺陷检测方法分析17
• 2.2 特征提取17-32
• 2.2.1 全局特征19-23
• 2.2.2 局部特征23-32
• 2.3 分类器设计32-35
• 2.3.1 统计分类器32-33
• 2.3.2 人工神经网络33
• 2.3.3 支持向量机33-35
• 2.4 稀疏表示相关研究35-39
• 2.4.1 稀疏表示理论35-37
• 2.4.2 稀疏表示求解算法37-38
• 2.4.3 稀疏表示在缺陷检测算法中的应用38-39
• 2.5 本章小结39-40
• 3 基于SVM分类的触摸屏表面缺陷检测40-50
• 3.1 实验数据和评价标准40-41
• 3.2 基于GABOR特征和SVM的方法介绍41-44
• 3.3 基于GLCM特征和SVM的方法介绍44-47
• 3.4 实验结果与分析47-49
• 3.4.1 基于GABOR特征和SVM的实验步骤47-48
• 3.4.2 基于GLCM特征和SVM的实验步骤48
• 3.4.3 结果对比和分析48-49
• 3.5 小结49-50
• 4 基于GABOR特征稀疏表示的触摸屏表面缺陷检测方法50-62
• 4.1 问题描述50-51
• 4.2 基于GABOR特征稀疏表示的触摸屏缺陷检测算法51-55
• 4.3 实验结果与分析55-61
• 4.3.1 与相似算法实验结果比较56-59
• 4.3.2 参数有效性验证59-61
• 4.4 小结61-62
• 5 总结与展望62-64
• 5.1 总结62
• 5.2 展望62-64
• 参考文献64-68
• 作者简历及攻读硕士学位期间取得的研究成果68-70
• 学位论文数据集70

【相似文献】

中国期刊全文数据库 前10条

1 郭慧平;王召巴;金永;;火箭发动机包覆层表面缺陷检测系统研究[J];电子测试;2011年02期

2 李u&;谭永龙;杨美英;;水果分级与表面缺陷检测研究[J];计算机工程与设计;2008年15期

3 张学武;吕艳云;丁燕琼;梁瑞宇;;小波统计法的表面缺陷检测方法[J];控制理论与应用;2010年10期

4 刘泽福;王冰峰;康戈文;;基于带钢表面缺陷检测的背景相减的方法[J];福建电脑;2006年05期

5 陈国君;陈鹏;张学军;;基于计算机视觉的轴承表面缺陷检测[J];煤矿机械;2009年02期

6 宗欣;;BASLER的45°顶端检测:一种表面缺陷检测的全面方案[J];记录媒体技术;2004年05期

7 高潮;郭永彩;任可;杨晖;;基于嵌入式系统和图像识别的拉索表面缺陷检测技术[J];光电工程;2008年02期

8 吴晓鹏;林介邦;唐辉;钟园园;罗祥英;;基于机器视觉的铸坯表面缺陷检测系统的研制[J];武钢技术;2010年01期

9 丛家慧;颜云辉;;视觉注意机制在带钢表面缺陷检测中的应用[J];中国机械工程;2011年10期

10 孙瑜,罗飞路,赵东明;利用交变磁场测量法的金属表面缺陷检测[J];兵工自动化;2004年02期

中国重要会议论文全文数据库 前5条

1 韩立强;;基于图像分割技术的汽车发动机缸体表面缺陷检测[A];面向21世纪的科技进步与社会经济发展（下册）[C];1999年

2 郭庆华;田陆;袁英宏;黄郁君;;嵌入式系统在钢板表面缺陷检测中的应用[A];2012第四届先进轧钢精整及钢材包装技术学术研讨会文集[C];2012年

3 郭庆华;田陆;袁英宏;黄郁君;;嵌入式系统在钢板表面缺陷检测中的应用[A];2012年全国轧钢生产技术会论文集（下）[C];2012年

4 张凤全;高娜;于明;赵晓安;张慧娟;;图像处理在物体表面缺陷检测中的应用[A];图像图形技术与应用进展——第三届图像图形技术与应用学术会议论文集[C];2008年

5 刘乃强;徐科;;形态学梯度在带钢表面缺陷检测中的应用[A];全国炼钢连铸过程自动化技术交流会论文集[C];2006年

中国博士学位论文全文数据库 前6条

1 王世通;精密表面缺陷检测散射成像理论建模及系统分析研究[D];浙江大学;2015年

2 程万胜;钢板表面缺陷检测技术的研究[D];哈尔滨工业大学;2008年

3 王义文;钢球表面缺陷检测关键技术研究及样机研制[D];哈尔滨理工大学;2010年

4 赵立明;基于激光扫描成像与异源CCD融合的连铸热坯表面缺陷检测方法研究[D];重庆大学;2014年

5 丛家慧;引入人类视觉特性的带钢表面缺陷检测与识别方法研究[D];东北大学;2010年

6 王鹏;基于运动视觉技术的钢球表面缺陷检测[D];哈尔滨理工大学;2008年

中国硕士学位论文全文数据库 前10条

1 于跃;基于PMP的钢轨表面缺陷检测研究[D];西南交通大学;2015年

2 汪磊;铝箔复卷机运动仿真分析及表面缺陷检测系统研究[D];浙江大学;2015年

3 付邦瑞;钢坯表面裂纹图像检测[D];电子科技大学;2015年

4 杨林;冷态热轧钢板表面缺陷检测系统技术研究[D];重庆大学;2015年

5 李娇娇;基于改进DAGSVM的钢板表面缺陷检测系统设计与实现[D];重庆大学;2015年

6 王松芳;基于特征分类的低分辨率触摸屏表面缺陷检测[D];北京交通大学;2016年

7 全洪渊;火炮弹体表面缺陷检测系统的设计与研究[D];重庆大学;2007年

8 胡贵超;基于计算机视觉的钢材表面缺陷检测系统的研究[D];哈尔滨理工大学;2013年

9 柳宗浦;基于机器视觉的小型金属部件表面缺陷检测系统[D];东华大学;2009年

10 吕景超;钢球表面展开机构建模与仿真研究[D];济南大学;2013年

，

本文编号：685315