全自動(dòng)熒光磁粉探傷中目標(biāo)識(shí)別圖像處理技術(shù)研究.pdf

1、針對(duì)目前全自動(dòng)熒光磁粉探傷中裂紋識(shí)別能力有限,虛警率高等問題,本文研究了全自動(dòng)熒光磁粉探傷中高識(shí)別率裂紋目標(biāo)識(shí)別的圖像處理技術(shù)。
　　 本文討論了基于統(tǒng)計(jì)學(xué)習(xí)理論的支持向量機(jī)判別模型,著重研究了引入懲罰因子C的支持向量機(jī)分類器(C-SVM),并將該傳統(tǒng)的C-SVM判別模型引入裂紋識(shí)別研究中。其中,從幾何特征、灰度統(tǒng)計(jì)特征、梯度特征和紋理特征等四個(gè)方面對(duì)裂紋進(jìn)行了描述;研究選取高斯核函數(shù)作為C-SVM的核函數(shù),采用交叉驗(yàn)證法分別求

2、取四類特征C-SVM參數(shù),并應(yīng)用于裂紋識(shí)別。對(duì)于樣本集自動(dòng)選取和簡化,提出了采用形態(tài)學(xué)梯度分水嶺分割和聚類算法相結(jié)合的方法對(duì)原圖像進(jìn)行粗分類,基于粗分類的類塊骨架等間隔選取樣本點(diǎn),實(shí)現(xiàn)自動(dòng)快速選取典型樣本。本文還研究討論了C-SVM參數(shù)(懲罰因子C和高斯核參數(shù)g)快速優(yōu)化估計(jì)的方法,將高斯核函數(shù)GRAM矩陣相似求取高斯核參數(shù)g的方法引入C-SVM,提出歐氏距離、相關(guān)距離和夾角余弦作為組合相似性測度,結(jié)合采用PSO數(shù)值優(yōu)化方法求取C-SV