直线导轨面缺陷检测与分类方法

为解决复杂背景下直线导轨面缺陷识别难的问题,提出了一种基于灰度共生矩阵(Gray level co occurrence matrix,GLCM)和非负矩阵分解(Non negative matrix factor,NMF)的纹理背景抑制来实现缺陷特征增强的方法。首先,利用GLCM多特征统计量重构导轨面背景纹理图,实现一定程度上的纹理背景抑制;接着,将纹理图均分成若干子图像块,随机抽取一定的子图像块进行NMF训练;然后,将NMF分解出的基图像同纹理图中相同大小图像块遍历求其欧式距离,并将距离平均后赋值给纹理图中相应图像块的中心像素点,以进一步实现纹理背景抑制和缺陷特征增强。最后,基于K means聚类和支持向量机对缺陷进行分类识别。实验结果中对测试集中的划痕、裂纹和撞伤缺陷识别准确率分别为89.06%,88.46%和95.12%,表明该方法能抑制纹理背景和增强缺陷特征,有效分离出缺陷并识别其类型。