基于小波紋理分析和魯棒貝葉斯神經網(wǎng)絡的非織造材料外觀質量識別.pdf

1、本文首次提出采用小波紋理分析和魯棒貝葉斯神經網(wǎng)絡方法對不同梳理工藝下生產的，以點軋熱熔加固的5個不同等級的非織造材料外觀質量等級進行識別，為基于智能技術的非織造材料外觀質量評價和識別進行了探索性研究。本文以實現(xiàn)非織造材料外觀質量的客觀、準確識別為最終目標，主要研究了Besov空間多小波域消噪算法、小波紋理分析和魯棒貝葉斯神經網(wǎng)絡在非織造材料圖像消噪、紋理特征提取和外觀質量等級識別中的應用。
　　 根據(jù)非織造材料不同區(qū)域紋理光滑特

2、性具有顯著差異的特點，本文提出了Besov空間多小波域非織造材料圖像消噪方法，并從理論與試驗上深入研究了小波域個數(shù)與消噪效果、耗時之間的關系。創(chuàng)新地提出以凸集映射前后高頻小波系數(shù)差的平方和差分小于等于零為Besov空間多小波域消噪算法收斂準則，該準則有效地控制了算法的復雜性，提高了運算速度。相比于小波通用閾值消噪方法，Besov空間多小波域消噪方法不僅可以有效消除噪聲，峰值信噪比大于等于40dB，還可以保持非織造材料圖像紋理的光滑特性，

3、有效抑制了過消噪現(xiàn)象。
　　 以VisTex數(shù)據(jù)庫中的6幅典型紋理圖像為參照，采用Tamura紋理特征中的對比度參數(shù)和Fourier功率譜圖來度量和確定非織造材料圖像紋理的整體對比度和方向性，研究了非織造材料圖像的紋理特性。以點軋熱熔加固5等級非織造材料為研究對象，建立了非織造材料圖像小波紋理分析模型，系統(tǒng)討論了高頻小波系數(shù)1范數(shù)L1、2范數(shù)L2能量基特征和廣義高斯分布控制參數(shù)特征k在非織造材料紋理特征表達中的應用，兩類紋理特征

4、可以在不同尺度和方向上對非織造材料圖像的紋理進行刻畫和描述。首創(chuàng)性地提出了基于1-近鄰分類器的小波紋理特征質量評價方法，以此衡量不同小波基在非織造材料紋理特征提取中的性能差異。
　　 最后，以非織造材料的小波紋理特征為基礎，采用魯棒貝葉斯神經網(wǎng)絡對5等級625幅試樣進行外觀質量等級識別。深入研究了魯棒貝葉斯神經結構設計、權值優(yōu)化、孤立點概率估計和網(wǎng)絡模型選擇等問題，詳細探討了基于UCMINF（AnAlgorithmforUnco

5、nstrained,NonlinearOptimization)算法的魯棒貝葉斯神經網(wǎng)絡權值優(yōu)化，基于小樣本集推理原則和結構風險最小化原則的神經網(wǎng)絡結構設計，以及根據(jù)網(wǎng)絡識別精度和證據(jù)框架理論的最佳網(wǎng)絡模型選擇。在網(wǎng)絡結構設計與模型選擇方面，本文創(chuàng)新地提出了魯棒貝葉斯神經網(wǎng)絡結構設計極限風險準則和基于網(wǎng)絡識別精度和證據(jù)框架理論的最佳網(wǎng)絡模型選擇方法，并將它們成功應用于魯棒貝葉斯神經網(wǎng)絡的結構設計與網(wǎng)絡模型的評價和選擇。其中，采用coif