مرکز منطقه ای اطلاع رسانی علوم و فناوری فصلنامه مهندسی برق و مهندسی کامپيوتر ايران 16823745 8 4 2010 12 21 Segmentation of Steel Surfaces towards Defect Detection Using New Gabor Composition Method روش نوين ترکيب گابوري در بخش‌بندي سطوح فولادي با هدف تشخيص عيوب 257 266 fa سيدجليل‌الدين آل‌معصوم سیدحسن منجمی هاله‌السادات آل‌معصوم 2015 11 28 The images of steel surfaces are generally textural images. There are different texture analysis methods to extract features from these images. In those methods using multi-scale/multi-directional analysis, Gabor filters are used for feature extraction. In this paper, we extract texture features using the optimum Gabor filter bank. This filter bank is designed in a way that diverse filtering frequency and orientation will allow it to extract considerable amounts of texture information from the input images. We also introduce a new method called Gabor composition for segmentation and defect detection of steel surfaces. In this method, using two different algorithms, the input image is decomposed into detail images using an appropriate Gabor filter bank and then selected detail images are re composed. The created feature map illustrates the defective areas well. By calculating data distribution of detail images and comparing them, the second method of Gabor composition can accomplish segmentation without needing the normal images and the number of detail images to re-compose. Furthermore, we did different tests towards optimizing of segmentation by means of classifiers. Using a K-means classifier and adding gray levels to the extracted features, complete the segmentation procedure. The experimental results show that the Gabor composition method in most of the tests has got better defect detection performance than the ordinary K-means classifier and the standard wavelet method; also the Second method of Gabor composition has got the best performance over all. تصاوير سطوح فولادي، عمدتاً تصاويري بافتي بوده که استخراج ويژگي در آنها با روش‌هاي گوناگون تحليل بافت انجام مي‌گيرد. در گروهي از اين روش‌ها كه از آناليزهاي چندفركانسي و جهت‌دار سود مي‌برند، استفاده از فيلترهاي گابور به‌عنوان ابزار تحليل معمول است. در اين مقاله با به‌کارگيري بانکي بهينه‌شده از فيلترهاي گابور، به استخراج ويژگي جهت بخش‌بندي تصاوير سطوح فولادي معيوب پرداخته مي‌شود. اين بانک فيلترها به‌گونه‌اي طراحي شده که مي‌تواند ويژگي‌هاي بافتي تصوير ورودي را به شکل مطلوب، در جهات و فرکانس‌هاي مختلف نمايان کند. سپس به‌منظور بخش‌بندي تصوير سطح فولادي، روشي نوين به نام ترکيب گابوري ارائه گرديده که در اين روش با ارائه دو الگوريتم مختلف از تصاوير جزئي به‌دست آمده از تصوير معيوب، تنها تعداد مشخصي با يکديگر ترکيب مي‌گردند تا نقشه ويژگي حاصل به شکل مؤثري در برگيرنده عيوب تصوير باشد. روش دوم ترکيب گابوري توانست با محاسبه پراکندگي داده‌هاي موجود در تصاوير جزئي و مقايسه آنها با يکديگر، بدون نياز به تعيين تعداد تصاوير جزئي جهت ترکيب و نيز وجود تصوير يا تصاوير نرمال، به انجام بخش‌بندي بپردازد. از ديگر نتايج تحقيق، بهينه‌سازي بخش‌بندي با استفاده از کلاسه‌بند K-means بوده که با نرمال‌سازي و اضافه‌کردن ويژگي سطح خاکستري به ويژگي‌هاي استخراج‌شده هر پيکسل، منجر به افزايش دقت کلاسه‌بندي شده است. نتايج به‌دست آمده هم از نظر بصري و هم از لحاظ آماري نشان‌دهنده آن است که روش ترکيب گابوري در مقايسه با کلاسه‌بندK-means از دقت بالاتري برخوردار مي‌باشد. مقايسه انجام‌شده بين روش‌هاي پيشنهادي ترکيب گابوري و روش ويولت استاندارد نيز بر برتري نسبي ترکيب گابوري دلالت دارد. همچنين روش دوم ترکيب گابوري در مقايسه با روش اول، به‌واسطه انتخاب بهتر تصاوير جزئي جهت ترکيب و در نتيجه تشکيل نقشه ويژگي مناسب‌تر، بهترين عملکرد را از خود نشان داده است. http://ijece.org/en/Article/Download/27993