学位论文 > 优秀研究生学位论文题录展示

全自动荧光磁粉探伤中目标识别图像处理技术研究

作　者: 黄涛
导　师: 柏连发
学　校: 南京理工大学
专　业: 光学工程
关键词: 荧光磁粉探伤特征提取粗分类样本自动选取目标识别支持向量机交叉验证参数快速优化
分类号: TP391.41
类　型: 硕士论文
年　份: 2012年
下　载: 30次
引　用: 0次
阅　读: 论文下载

内容摘要

针对目前全自动荧光磁粉探伤中裂纹识别能力有限,虚警率高等问题,本文研究了全自动荧光磁粉探伤中高识别率裂纹目标识别的图像处理技术。本文讨论了基于统计学习理论的支持向量机判别模型,着重研究了引入惩罚因子C的支持向量机分类器(C-SVM),并将该传统的C-SVM判别模型引入裂纹识别研究中其中,从几何特征、灰度统计特征、梯度特征和纹理特征等四个方面对裂纹进行了描述；研究选取高斯核函数作为C-SVM的核函数,采用交叉验证法分别求取四类特征C-SVM参数,并应用于裂纹识别。对于样本集自动选取和简化,提出了采用形态学梯度分水岭分割和聚类算法相结合的方法对原图像进行粗分类,基于粗分类的类块骨架等间隔选取样本点,实现自动快速选取典型样本。本文还研究讨论了C-SVM参数(惩罚因子C和高斯核参数g)快速优化估计的方法,将高斯核函数GRAM矩阵相似求取高斯核参数g的方法引入C-SVM,提出欧氏距离、相关距离和夹角余弦作为组合相似性测度,结合采用PSO数值优化方法求取C-SVM改进GRAM矩阵与理想矩阵最相似时的C,g参数。实验仿真结果证明：C-SVM判别模型样本选取简单高效,在荧光磁粉探伤中目标识别正确率高,虚警率低,泛化性能好；参数快速选取相对传统交叉验证识别准确率相当,收敛速度和运算时间都得到了改善。

全文目录

摘要  3-4
Abstract  4-7
1 引言  7-13
  1.1 选题背景  7
  1.2 荧光磁粉图像目标识别技术研究现状  7-9
    1.2.1 荧光磁粉图像成像原理及系统工作流程  7-8
    1.2.2 目前缺陷识别方法介绍  8-9
  1.3 分类判别模型及研究现状  9-11
  1.4 本文研究的主要内容与工作安排  11-13
2 统计学习理论与支持向量机  13-21
  2.1 统计学习理论  13-14
  2.2 支持向量机  14-18
  2.3 SVM多类识别策略  18-20
  2.4 本章小结  20-21
3 基于多特征的C-SVM判别模型的裂纹识别研究  21-30
  3.1 荧光磁粉图像特征提取与归一化  21-27
    3.1.1 荧光磁粉图像特征提取  21-26
    3.1.2 荧光磁粉图像特征归一化  26-27
  3.2 基于C-SVM的裂纹识别  27-29
    3.2.1 样本集的选取  27
    3.2.2 C-SVM核函数选取  27-28
    3.2.3 交叉验证法选择C-SVM参数  28-29
  3.3 本章小结  29-30
4 基于分水岭聚类的C-SVM裂纹识别方法研究  30-48
  4.1 基于聚类的裂纹图像粗分类  30-35
    4.1.1 相似性测度  30-31
    4.1.2 聚类的准则函数  31
    4.1.3 动态聚类算法  31-33
    4.1.4 分级聚类算法  33-35
  4.2 形态学梯度分水岭分割  35-38
    4.2.1 形态学梯度  35-36
    4.2.2 分水岭分割  36-38
  4.3 基于预分割的C-SVM裂纹识别算法  38-47
    4.3.1 裂纹图像粗分类  38-43
    4.3.2 裂纹图像样本点选取  43-44
    4.3.3 实验仿真识别效果对比  44-47
  4.4 本章小结  47-48
5 C-SVM判别模型参数优化研究  48-54
  5.1 基于改进核矩阵相似的C-SVM参数选取  48-49
  5.2 粒子群优化算法(PSO)参数优化快速搜索方法  49-51
  5.3 两种C-SVM判别模型参数选取仿真效果  51-53
  5.4 本章小结  53-54
6 总结  54-56
致谢  56-57
参考文献  57-59

全自动荧光磁粉探伤中目标识别图像处理技术研究

内容摘要

全文目录

相似论文