渦流脈沖熱成像技術(shù)（ECPT）現(xiàn)已被廣泛應(yīng)用于導(dǎo)體材料的缺陷檢測(cè)和評(píng)估,比如風(fēng)機(jī)葉片,鐵軌,碳纖維復(fù)合材料等。國(guó)內(nèi)外研究者提出了多類(lèi)紅外熱成像缺陷特征提取算法（包括:主成分分析算法、脈沖相位法、熱圖像重構(gòu)法、獨(dú)立成分分析等）,提高缺陷檢測(cè)的精度。然而,上述算法未完全消除背景和噪聲信息的干擾,缺陷特征提取的精度和準(zhǔn)確率需要提升。針對(duì)上述問(wèn)題,本文主要研究?jī)?nèi)容包括:1)通過(guò)分析含有缺陷的試件的溫度變化規(guī)律,發(fā)現(xiàn)其在物理層面的獨(dú)立性和特異性,提出不同熱模式特征的線性混合模型。針對(duì)缺陷特征在物理層面展現(xiàn)空間稀疏特性,提出了稀疏線性混合模型。此模型與變分貝葉斯矩陣分解模型相吻合,變分貝葉斯模型能實(shí)現(xiàn)參數(shù)的自動(dòng)更新,并用于缺陷特征的提取。2)在上述模型基礎(chǔ)上,由于檢測(cè)對(duì)象和缺陷類(lèi)型的多樣性,稀疏控制的自適應(yīng)性需要深入研究,變分貝葉斯矩陣分解無(wú)法適應(yīng)所有類(lèi)型缺陷,因此,提出了自適應(yīng)變分貝葉斯矩陣分解算法,此算法能夠通過(guò)迭代的方式優(yōu)化塊狀區(qū)域稀疏程度的自適應(yīng)控制,并且可以解決過(guò)稀疏和欠稀疏分解問(wèn)題,提高缺陷的檢測(cè)精度,降低背景信息（包括:邊緣信息,線圈信息等）和噪聲信息對(duì)缺陷特征提取的干擾。在該算法中... 

【文章來(lái)源】：電子科技大學(xué)四川省 211工程院校 985工程院校 教育部直屬院校

【文章頁(yè)數(shù)】：78 頁(yè)

【學(xué)位級(jí)別】：碩士

【文章目錄】：
摘要
abstract
第一章 緒論
    1.1 研究背景和意義
    1.2 缺陷特征提取算法的國(guó)內(nèi)外研究現(xiàn)狀
    1.3 本文主要貢獻(xiàn)和創(chuàng)新
    1.4 本論文的結(jié)構(gòu)安排
第二章 缺陷特征的混合模型
    2.1 感應(yīng)熱傳導(dǎo)分析
    2.2 試件的熱模式和稀疏特性分析
    2.3 稀疏模型的建立
    2.4 本章小結(jié)
第三章 變分貝葉斯的矩陣分解算法
    3.1 矩陣分解的基本理論分析
    3.2 參數(shù)的先驗(yàn)分布
    3.3 變分貝葉斯估計(jì)（VB）算法
    3.4 矩陣U和矩陣V的估計(jì)
    3.5 參數(shù)γ的估計(jì)
    3.6 矩陣S的估計(jì)
    3.7 參數(shù)α的估計(jì)
    3.8 參數(shù)β的估計(jì)
    3.9 本章小結(jié)
第四章 自適應(yīng)變分貝葉斯的矩陣分解算法
    4.1 基本理論分析
    4.2 變分貝葉斯估計(jì)（VB）算法
    4.3 矩陣U和矩陣V的估計(jì)
    4.4 參數(shù)γ的估計(jì)
    4.5 矩陣S的估計(jì)
    4.6 參數(shù)α的估計(jì)
    4.7 參數(shù)β的估計(jì)
    4.8 參數(shù)λ的估計(jì)
    4.9 迭代終止條件
    4.10 實(shí)驗(yàn)步驟
    4.11 F-score的定義
    4.12 結(jié)果分析
    4.13 計(jì)算復(fù)雜度分析
    4.14 不同稀疏特性分析
    4.15 λ的收斂性分析
    4.16 本章小結(jié)
第五章 自相關(guān)性判別的變分貝葉斯矩陣分解算法
    5.1 基本理論分析
    5.2 基于變分貝葉斯算法的參數(shù)估計(jì)
        5.2.1 矩陣U和矩陣V的估計(jì)
        5.2.2 參數(shù)γ的估計(jì)
        5.2.3 矩陣S的估計(jì)
        5.2.4 參數(shù)α的估計(jì)
        5.2.5 參數(shù)?的估計(jì)
        5.2.6 參數(shù)?的估計(jì)
    5.3 不同塊狀區(qū)域之間的自相關(guān)性判別
    5.4 迭代終止的判據(jù)條件
    5.5 試件信息
    5.6 結(jié)果分析
    5.7 計(jì)算復(fù)雜度分析
    5.8 本章小結(jié)
第六章 全文總結(jié)與展望
    6.1 全文總結(jié)
    6.2 后續(xù)工作展望
致謝
參考文獻(xiàn)
攻讀碩士學(xué)位期間取得的成果


【參考文獻(xiàn)】：
期刊論文
[1]航空航天復(fù)合材料結(jié)構(gòu)非接觸無(wú)損檢測(cè)技術(shù)的進(jìn)展及發(fā)展趨勢(shì)[J]. 馬保全,周正干.  航空學(xué)報(bào). 2014(07)
[2]高端機(jī)械裝備再制造無(wú)損檢測(cè)綜述[J]. 張?jiān)?張洪潮,趙嘉旭,周志民,王金龍.  機(jī)械工程學(xué)報(bào). 2013(07)
[3]基于獨(dú)立成分分析的表面缺陷特征提取與識(shí)別方法[J]. 周新星,王典洪,孫林.  計(jì)算機(jī)輔助設(shè)計(jì)與圖形學(xué)學(xué)報(bào). 2012(04)
[4]中國(guó)無(wú)損檢測(cè)與評(píng)價(jià)技術(shù)的進(jìn)展[J]. 沈功田.  無(wú)損檢測(cè). 2008(11)

博士論文
[1]基于X射線圖像的焊縫缺陷檢測(cè)與識(shí)別研究[D]. 佟彤.上海交通大學(xué) 2014
[2]電渦流脈沖熱成像無(wú)損檢測(cè)技術(shù)研究[D]. 白利兵.電子科技大學(xué) 2013
[3]變分模型和稀疏冗余表示在圖像恢復(fù)中的應(yīng)用研究[D]. 周穎玥.中國(guó)科學(xué)技術(shù)大學(xué) 2013

碩士論文
[1]船用鋼板表面缺陷目標(biāo)在線提取與分類(lèi)[D]. 于志偉.大連海事大學(xué) 2014
[2]基于圖像分析的管道缺陷特征提取方法研究[D]. 劉喆.東北大學(xué) 2014
[3]基于變分稀疏貝葉斯學(xué)習(xí)的頻譜檢測(cè)與定位[D]. 楊凡.中南民族大學(xué) 2013
[4]基于概率圖模型的變分貝葉斯方法研究[D]. 高龍.蘇州大學(xué) 2013
[5]軌道缺陷自動(dòng)檢測(cè)系統(tǒng)的圖像處理技術(shù)研究[D]. 吳夢(mèng).西南交通大學(xué) 2013
[6]變分貝葉斯超分辨率重建算法研究[D]. 涂一田.西安電子科技大學(xué) 2013
[7]X射線焊縫圖像缺陷自動(dòng)提取與識(shí)別技術(shù)研究[D]. 梁硼.南京航空航天大學(xué) 2012



本文編號(hào)：3003216