公开(公告)号：CN111798418A

公开(公告)日：2020-10-20

申请号：CN202010572723.4

申请日：2020-06-22

Applicant: 电子科技大学

Inventor： 白利兵 ,  唐文举 ,  周权 ,  程玉华 ,  张杰 ,  田露露

IPC: G06T7/00 ,  G06K9/62

Abstract: 本发明公开了一种基于HOG、LBP和GLCM特征融合的吸波涂层散斑缺陷检测方法，收集若干吸波涂层散斑图像样本并对是否存在脱粘缺陷进行标注，对于每幅散斑图像样本分别提取其HOG特征向量并降维，对于每幅散斑图像样本获取对应的LBP图像，然后对LBP图像提取对应的GLCM特征向量，将每幅散斑图像样本降维后的HOG特征向量和GLCM特征向量进行串行特征融合，得到融合特征向量并进行降维，将降维后的融合特征向量及对应标签对分类模型进行训练，在缺陷检测时，从需要进行缺陷检测的吸波涂层散斑图像中提取出降维后的融合特征向量，输入训练好的分类模型得到缺陷检测结果。本发明融合了HOG、LBP和GLCM进行纹理特征提取，对于散斑图像的脱粘缺陷检测可以取得更好的检测效果。

公开(公告)号：CN111798418B

公开(公告)日：2022-04-19

申请号：CN202010572723.4

申请日：2020-06-22

Applicant: 电子科技大学

Inventor： 白利兵 ,  唐文举 ,  周权 ,  程玉华 ,  张杰 ,  田露露

IPC: G06T7/00 ,  G06K9/62 ,  G06V10/80 ,  G06V10/764

Abstract: 本发明公开了一种基于HOG、LBP和GLCM特征融合的吸波涂层散斑缺陷检测方法，收集若干吸波涂层散斑图像样本并对是否存在脱粘缺陷进行标注，对于每幅散斑图像样本分别提取其HOG特征向量并降维，对于每幅散斑图像样本获取对应的LBP图像，然后对LBP图像提取对应的GLCM特征向量，将每幅散斑图像样本降维后的HOG特征向量和GLCM特征向量进行串行特征融合，得到融合特征向量并进行降维，将降维后的融合特征向量及对应标签对分类模型进行训练，在缺陷检测时，从需要进行缺陷检测的吸波涂层散斑图像中提取出降维后的融合特征向量，输入训练好的分类模型得到缺陷检测结果。本发明融合了HOG、LBP和GLCM进行纹理特征提取，对于散斑图像的脱粘缺陷检测可以取得更好的检测效果。