產(chǎn)品詳情
IAI工業(yè)機(jī)器人-德惠市
IAI工業(yè)機(jī)器人-德惠市
IAI工業(yè)機(jī)器人-德惠市
IAI工業(yè)機(jī)器人-德惠市
IAI工業(yè)機(jī)器人-德惠市
顏色特征是圖像檢索中應(yīng)用最廣泛的視覺(jué)特征，也是人們識(shí)別圖像最主要的感知特征。與幾何特征和形狀特征不同，顏色特征具備一定的旋轉(zhuǎn)、平移不變性，魯棒性較強(qiáng)。顏色特征可以通過(guò)顏色直方圖、顏色聚合向量、顏色矩等方法來(lái)提取和匹配。
紋理特征是圖像固有的一個(gè)重要特征，體現(xiàn)了物體表面的具有緩慢變化或者周期性變化的表面結(jié)構(gòu)組織排列屬性。常用的描述紋理特征的方法有統(tǒng)計(jì)法和頻譜法。統(tǒng)計(jì)法是利用圖像的直方圖的矩對(duì)紋理結(jié)構(gòu)進(jìn)行描述，頻譜法是依據(jù)傅里葉頻譜特性來(lái)描述圖像的紋理結(jié)構(gòu)。
缺陷的灰度特征是一種在圖像的灰度量化級(jí)內(nèi)，對(duì)各像素點(diǎn)灰度值的分布來(lái)進(jìn)行統(tǒng)計(jì)的表征量，可利用圖像的灰度直方圖信息（如方差、均值、熵）獲得圖像的灰度特征。
缺陷圖像的特征提取實(shí)現(xiàn)了從圖像空間到特征空間的轉(zhuǎn)換，在實(shí)際項(xiàng)目中一般將圖像的多種基本特征組合，形成綜合性的缺陷描述特征向量。然而，并非所有特征對(duì)后續(xù)的缺陷檢測(cè)與圖像理解有作用。如果特征提取的過(guò)多，使得特征向量維度較高，會(huì)帶來(lái)較多的冗余信息和復(fù)雜的計(jì)算量，還需要再使用主成分分析（Principal Components Analysis，PCA）等方法進(jìn)行降維。如果特征提取的較少，則會(huì)導(dǎo)致對(duì)缺陷的描述不夠準(zhǔn)確，使得準(zhǔn)確率和精度不盡人意。
