全自動熒光磁粉探傷中目標識別圖像處理技術(shù)研究.pdf

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

2、取四類特征C-SVM參數(shù),并應用于裂紋識別。對于樣本集自動選取和簡化,提出了采用形態(tài)學梯度分水嶺分割和聚類算法相結(jié)合的方法對原圖像進行粗分類,基于粗分類的類塊骨架等間隔選取樣本點,實現(xiàn)自動快速選取典型樣本。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