用于表面缺陷检测的鲁棒完整局部二值模式（RCLBP）
计算机视觉与模式识别
2021-12-09 v1
摘要
本文提出了一种用于表面缺陷检测任务的鲁棒完整局部二值模式（RCLBP）框架。该方法结合了非局部（NL）均值滤波与小波阈值去噪以及完整局部二值模式（CLBP）来提取鲁棒特征，并将其输入分类器以进行表面缺陷检测。本文结合了三个部分：首先，建立基于非局部均值滤波与小波阈值的去噪技术，在保留纹理和边缘的同时对含噪图像进行去噪；其次，利用 CLBP 技术提取具有判别性的特征；最后，将判别性特征输入分类器以构建检测模型并评估所提框架的性能。使用来自东北大学（NEU）的真实钢表面缺陷数据库对缺陷检测模型的性能进行了评估。实验结果表明，所提出的 RCLBP 方法对噪声具有鲁棒性，可应用于类内和类间变化以及光照变化等不同条件下的表面缺陷检测。
引用
@article{arxiv.2112.04021,
title = {A Robust Completed Local Binary Pattern (RCLBP) for Surface Defect Detection},
author = {Nana Kankam Gyimah and Abenezer Girma and Mahmoud Nabil Mahmoud and Shamila Nateghi and Abdollah Homaifar and Daniel Opoku},
journal= {arXiv preprint arXiv:2112.04021},
year = {2021}
}
备注
Accepted to IEEE SMC 2021 as a special invited session paper