运用改进的各向异性扩散技术对微裂纹进行检测

《Micro-crack detection of multicrystalline solar cells featuring an improved anisotropic diffusion filter and image segmentation technique》请在google学术上搜所这篇文章。
    个人认为裂纹检测或是缺陷检测的方法主要分为两类：（1）图像增强类。（2）特征提取+分类。目前特征提取+分类是主流。上面这篇文章属于图像增强类，主要的研究工作就是凸显出裂纹缺陷。上文的研究重点放在了对各向异性扩散滤波的改进上，主要创新点是改变了扩散系数和导热系数(用于控制平滑)的求法。

    首先我是这样理解各向异性扩散的，我们用泄洪来做比喻，导热系数K就是就是洪水的大小，导热系数越大，洪水就越大。图像里面的边缘就是堤坝，用来阻挡洪水。首先，堤坝是一定的，即图像的边缘是不可更改的。我们要做的就是找到一个合适的导热系数，即洪水的大小一定要控制好，既要保证泄洪量最大，又要保证堤坝不会被冲垮。这就需要我们选择一个合适的K值。这个值是我们通过试错法找到的。上面这篇文章就是提出了一种可以自适应的调节K值的方法，不需要人为调节。
    俗话说创新点不足，实验来凑。 这篇文章做了大量的对比试验，文章所提的改进各向异性扩散滤波分别与Ostu阈值分割，Sobel边缘检测，Canny边缘检测，拉普拉斯滤波，FIR边缘检测作对比。

    提取的特征选择的是裂纹的形状特征，所用的方法是ART(角度径向转换)提取形状特征，再用PCA做降维，对降为后的特征用SVM做分类。特征提取的方法ART分别与FD（傅里叶形状描述器）、GFD(通用傅里叶形状描述器)、RCF(基于投影的特征提取)作对比。

    分类方法用的是SVM，分别与LDA(线性判别分析)、QDA（双线性判别分析），以及经典的KNN作对比。

    总的来说，这种写论文的投机方式可以借鉴。没时间了，先写到这里，有时间再补充。。。。。。