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
|
相似论文
- 基于GIS的城市气象监测要素插值分析研究,P412
- 基于数据块采样的PostgreSQL统计信息估算方法的研究,TP311.13
- 风电场出力的短期预测研究,TM715
- 基于双源多特征的步态信息融合技术研究,TP391.41
- 边坡变形监测数据的小波降噪和粗糙惩罚平滑,TP274
- 基于模式识别技术的眼科疾病辅助诊断系统的研究,TP399-C8
- 基于LS_SVM建立发酵过程动态模型的研究及软件实现,TQ920.1
- 我国上市公司财务困境预测模型研究,F224
- 基于SVM的常压塔石脑油干点软测量建模研究,TE622.1
- 基于SVM的高速公路路面浅层病害的自动检测算法研究,U418.6
- 支持向量机在高炉炉温预报中的应用及若干改进,TF325.69
- 加权后验支持向量及其在上市公司财务信用评估中的应用,F224
- 车牌字符自动识别方法的研究,TP391.41
- 乙肝病毒性肝硬化的血清代谢轮廓分析,R512.62
- 基于多核混合支持向量机的城市短时交通预测,U491.14
- 道路交通标志的检测与识别技术研究,U495
- 基于图像处理技术的锡膏印刷质量检测,TP391.41
- 基于信息融合的模拟电路故障诊断研究,TN710
- 基于综合客户价值评价的外贸企业渠道商客户分类研究,F752;F224
- 基于SVM-RFE的潜在生物标志物选择算法研究,TP311.13
中图分类: > 工业技术 > 自动化技术、计算机技术 > 计算技术、计算机技术 > 计算机的应用 > 信息处理(信息加工) > 模式识别与装置 > 图像识别及其装置
© 2012 www.xueweilunwen.com
|