缺陷检测之SVM篇（update）

        最近论文在用SVM进行分类，目的是检测缺陷。缺陷有三种分别是孔洞，刮擦和划痕缺陷。 我用过libsvm和ddtools还有就是matlab中的svm函数 (svmtrain、svmclsassify)，libsvm原来用的效果不好，我现在又忘了怎么用了，改天再把它捡起来吧，现在用的是 matlab的函数。 

       进行svm分类可以按如下步骤进行：

• 采集样本；
• 提取样本的特征；
• 进行cross validation验证支持向量机中的参数

(一般都是选择的rbf的非线性支持向量机，参数有2个，即惩罚系数和rbf核的半径sigma)

      实验过程需知：

       1、在提取样本时，必须将样本图像缩放成统一大小的二值化（或灰度图像），因为我检测的缺陷中光照变化比较强烈，所以我只是选择了二值化图像，每个图像缩放成50*50的尺寸。注意不同大小的图像后面进行特征提取是没有意义的。
       2、其次提样本特征，对于缺陷图像分类，一般来说提取的都是特征矩，我提取的是图像的不变矩，它不随图像的旋转和缩放而产生变化（不变矩最后计算出来有7种参数），当然也可以提取多种矩然后用PCA的进行降维，matlab的PCA很容易，以前的博客上有介绍。

       用matlab提取不变矩的算法网上有，叫做invmoments。

 1 function phi = invmoments(F)
 2 %INVMOMENTS Compute invariant moments of image.
 3 %   PHI = INVMOMENTS(F) computes the moment invariants of the image
 4 %   F. PHI is a seven-element row vector containing the moment
 5 %   invariants as defined in equations (11.3-17) through (11.3-23) of
 6 %   Gonzalez and Woods, Digital Image Processing, 2nd Ed.
 7 %
 8 %   F must be a 2-D, real, nonsparse, numeric or logical matrix.
 9 
10 %   Copyright 2002-2004 R. C. Gonzalez, R. E. Woods, & S. L. Eddins
11 %   Digital Image Processing Using MATLAB, Prentice-Hall, 2004
12 %   $Revision: 1.5 $  $Date: 2003/11/21 14:39:19 $
13 
14 if (ndims(F) ~= 2) | issparse(F) | ~isreal(F) | ~(isnumeric(F) | ...
15                                                     islogical(F))
16    error(['F must be a 2-D, real, nonsparse, numeric or logical ' ...
17           'matrix.']); 
18 end
19 
20 F = double(F);
21 
22 phi = compute_phi(compute_eta(compute_m(F)));
23   
24 %-------------------------------------------------------------------%
25 function m = compute_m(F)
26 
27 [M, N] = size(F);