计算机工程与应用

2020, v.56;No.965(22) 251-255

[打印本页] [关闭]
本期目录(Current Issue) | 过刊浏览(Past Issue) | 高级检索(Advanced Search)

融合改进LBP和SVM的偏光片外观缺陷检测与分类
Polarizer Visual Defect Detection and Classification Based on Improved LBP and SVM Algorithm

黄广俊;邓元龙;

摘要(Abstract):

偏光片的外观缺陷是影响TFT-LCD面板质量的重要因素之一。为提高偏光片外观缺陷图像识别的准确性,提出一种改进局部二值模式(Local Binary Pattern,LBP)描述符和支持向量机(Support Vector Machine,SVM)的识别方法。缺陷图像通过暗场成像原理获得,将缺陷图像划分为不同的区,对每一个区域提取LBP特征并组成高维复合特征。将不同分区的像素均值特征与LBP复合特征进行集成,利用主成分分析(Principal Component Analysis,PCA)消除特征间的相关性和噪声,使用线性判别分析(Linear Discriminant Analysis,LDA)进一步投影变换至低维特征,使用支持向量机对上述特征进行分类。结合改进LBP描述符、PCA、LDA和SVM四种算法的优点,在总数250的数据库中进行仿真实验,结果表明,该方法识别准确率达到99.2%,单张图像识别时间为0.92 s,完全满足工业生产线的实际应用要求。

关键词(KeyWords): 偏光片;缺陷检测;LBP描述符;支持向量机(SVM);主成分分析(PCA);线性判别分析(LDA)

Abstract:

Keywords:

基金项目(Foundation): 国家自然科学基金(No.61571306);; 深圳市基础研究项目(No.JCYJ20150324141711676)

作者(Author): 黄广俊;邓元龙;

Email:

DOI:

参考文献(References):

扩展功能
本文信息
服务与反馈
本文关键词相关文章
本文作者相关文章
中国知网
分享