本文關(guān)鍵詞：基于多特征權(quán)重向量空間模型的航空復(fù)合材料缺陷檢測技術(shù)研究

  更多相關(guān)文章： 雙向擴(kuò)散 量子疊加態(tài) FLICM 幾何特征

【摘要】：航空復(fù)合材料結(jié)構(gòu)部件因受復(fù)合材料、制造工藝和工作環(huán)境等因素的影響,會(huì)出現(xiàn)不同類型的缺陷,最終導(dǎo)致航空裝備失效甚至釀成事故。為了能夠及時(shí)選擇有效的防治策略,延長航空裝備的使用壽命、降低事故發(fā)生率,必須對航空復(fù)合材料構(gòu)件采用先進(jìn)的缺陷檢測技術(shù)進(jìn)行檢測,識(shí)別出缺陷類別,進(jìn)而保證航空構(gòu)件的質(zhì)量和安全。因此,近年來缺陷檢測技術(shù)在航空機(jī)體、鋼材、木材、紡織、路況等領(lǐng)域的應(yīng)用越來越廣泛。本文主要研究缺陷檢測技術(shù)中的圖像增強(qiáng)、邊緣檢測、缺陷分類等內(nèi)容。圖像增強(qiáng)方面,運(yùn)用了偏微分方程中的雙向擴(kuò)散算法,進(jìn)行降噪和銳化邊緣的增強(qiáng)處理。邊緣檢測方面,采用融入邊緣特征的量子疊加態(tài)模型檢測邊緣,確保邊緣細(xì)節(jié)信息的完整性。缺陷分類方面,首先采用模糊聚類分割算法對不同缺陷進(jìn)行分割,準(zhǔn)確分割出缺陷目標(biāo),然后根據(jù)缺陷的組合幾何特征和缺陷類型定義,對缺陷進(jìn)行分類。本文的創(chuàng)新性點(diǎn)包括如下方面:(1)針對各向異性擴(kuò)散模型中存在沖擊項(xiàng)設(shè)置不合理,降噪增強(qiáng)時(shí)容易產(chǎn)生斑點(diǎn)、振鈴效應(yīng)等問題,提出基于融合局部邊緣特征的雙向擴(kuò)散模型。該模型根據(jù)邊緣特征選擇擴(kuò)散策略,克服以二階過零點(diǎn)作為選擇擴(kuò)散策略的不足,實(shí)驗(yàn)結(jié)果表明該模型能夠有效增強(qiáng)圖像的對比度。(2)針對傳統(tǒng)的邊緣檢測算法存在噪聲敏感、邊緣檢測準(zhǔn)確度低等缺點(diǎn),提出基于融合邊緣正則性的量子力學(xué)邊緣檢測模型。該模型根據(jù)邊緣切向連續(xù)性、法向方向間斷性和目標(biāo)背景差異性構(gòu)建三量子比特空間,實(shí)驗(yàn)結(jié)果表明該模型與傳統(tǒng)的邊緣檢測算法相比,能夠更加準(zhǔn)確地檢測出邊緣。(3)針對傳統(tǒng)的缺陷分類算法存在需要人工設(shè)置參數(shù)、抗噪能力差、分類正確率低等缺點(diǎn),提出基于融合FLICM與幾何特征的缺陷分類模型。該模型利用FLICM魯棒性強(qiáng)、分割正確率高和幾何特征意義明確且便于組合的優(yōu)點(diǎn),對缺陷進(jìn)行分類,實(shí)驗(yàn)結(jié)果表明該模型對夾雜、氣孔、裂紋等各種缺陷類型均能夠達(dá)到正確的分類結(jié)果。
【關(guān)鍵詞】：雙向擴(kuò)散 量子疊加態(tài) FLICM 幾何特征
【學(xué)位授予單位】：南昌航空大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2016
【分類號(hào)】：V250.2
【目錄】：

• 摘要3-4
• Abstract4-8
• 第一章 緒論8-15
• 1.1 課題研究的背景和意義8-9
• 1.1.1 航空復(fù)合材料結(jié)構(gòu)部件缺陷及其失效危害性8-9
• 1.1.2 本文的課題來源及其研究意義9
• 1.2 計(jì)算機(jī)視覺缺陷檢測技術(shù)的發(fā)展及應(yīng)用9-10
• 1.3 缺陷檢測技術(shù)中圖像處理技術(shù)的國內(nèi)外研究現(xiàn)狀10-13
• 1.3.1 偏微分?jǐn)U散方程圖像增強(qiáng)國內(nèi)外研究現(xiàn)狀10-11
• 1.3.2 量子力學(xué)圖像處理國內(nèi)外研究現(xiàn)狀11-12
• 1.3.3 圖像特征描述與分類國內(nèi)外研究現(xiàn)狀12-13
• 1.4 本文的論文安排13-15
• 第二章 基于偏微分?jǐn)U散方程的圖像增強(qiáng)算法15-28
• 2.1 熱傳導(dǎo)方程15-16
• 2.2 各向異性擴(kuò)散模型16-21
• 2.2.1 PM擴(kuò)散模型16-18
• 2.2.2 各向異性擴(kuò)散沖擊濾波器模型18-19
• 2.2.3 改進(jìn)的ADSF濾波器模型19-21
• 2.3 基于融合邊緣特征的雙向擴(kuò)散模型21-24
• 2.4 實(shí)驗(yàn)仿真結(jié)果與分析24-27
• 2.5 本章小結(jié)27-28
• 第三章 基于量子力學(xué)的邊緣檢測算法28-44
• 3.1 基于微分算子卷積的邊緣檢測算法28-31
• 3.2 量子力學(xué)基礎(chǔ)31-34
• 3.2.1 量子力學(xué)的四個(gè)基本假設(shè)31-33
• 3.2.2 量子力學(xué)疊加態(tài)定理33
• 3.2.3 QSP(Quantum Signal Processing)框架33-34
• 3.3 基于融合邊緣正則性的三量子比特態(tài)邊緣檢測算法34-40
• 3.3.1 PM擴(kuò)散濾波預(yù)處理34-35
• 3.3.2 構(gòu)建三量子比特態(tài)向量空間35-39
• 3.3.3 量子測量39
• 3.3.4 邊緣連接39-40
• 3.4 實(shí)驗(yàn)結(jié)果與分析40-43
• 3.5 本章小結(jié)43-44
• 第四章 圖像特征描述與分類44-61
• 4.1 FCM模糊聚類算法44-46
• 4.2 圖像特征描述46-51
• 4.2.1 幾何形狀特征47
• 4.2.2 不變矩特征47-49
• 4.2.3 傅里葉變換特征49-51
• 4.3 基于融合FLICM與幾何特征的缺陷分類算法51-60
• 4.3.1 FLICM算法51-55
• 4.3.2 缺陷類型定義55-57
• 4.3.3 缺陷提取與分類57-60
• 4.4 本章小結(jié)60-61
• 第五章 總結(jié)與展望61-63
• 5.1 總結(jié)61-62
• 5.2 展望62-63
• 參考文獻(xiàn)63-66
• 致謝66

【相似文獻(xiàn)】

中國期刊全文數(shù)據(jù)庫 前10條

1 施成;邢宇翔;;用ROC和LROC方法觀察三維CT成像識(shí)別缺陷的性能[J];中國醫(yī)學(xué)影像技術(shù);2012年02期

2 茍怡,吳榮珍,康戈文;對物體表面缺陷圖像監(jiān)測的技術(shù)研究[J];實(shí)用測試技術(shù);2001年05期

3 高潮;李新科;郭永彩;何衛(wèi)華;;橋梁拉索表面缺陷圖像的預(yù)處理方法[J];中國科技論文在線;2011年04期

4 顏云輝;彭怡書;宋克臣;劉偉嵬;;基于閾值法的帶鋼表面缺陷圖像脈沖噪聲去除[J];東北大學(xué)學(xué)報(bào)(自然科學(xué)版);2010年05期

5 程萬勝;趙杰;宋軍;;表面檢測中微小缺陷的識(shí)別[J];無損檢測;2008年04期

6 陳東祥;劉磊;韓鴻志;;汽車車身涂膜缺陷的計(jì)算機(jī)視覺檢測方法[J];天津大學(xué)學(xué)報(bào);2009年12期

7 趙君愛;賈民平;;工件表面微小缺陷的檢測與識(shí)別方法[J];東南大學(xué)學(xué)報(bào)(自然科學(xué)版);2014年04期

8 周新建;涂宏斌;胡國良;;一種用于軸承缺陷圖像的改進(jìn)FCM聚類檢測算法[J];鑄造技術(shù);2006年12期

9 宋克臣;顏云輝;彭怡書;董德威;;引入局部信息的帶鋼缺陷圖像凸優(yōu)化活動(dòng)輪廓分割模型[J];機(jī)械工程學(xué)報(bào);2012年20期

10 劉金輝;劉穎;郗安民;;一種熱軋中厚板表面缺陷圖像的特征提取方法[J];機(jī)電產(chǎn)品開發(fā)與創(chuàng)新;2006年02期

中國重要會(huì)議論文全文數(shù)據(jù)庫 前1條

1 趙宏宇;趙紅穎;王楠;;缸孔表面缺陷圖像的分段檢測[A];中國圖象圖形科學(xué)技術(shù)新進(jìn)展——第九屆全國圖象圖形科技大會(huì)論文集[C];1998年

中國博士學(xué)位論文全文數(shù)據(jù)庫 前3條

1 石端虎;復(fù)雜結(jié)構(gòu)精密焊件中缺陷分割及空間定位的研究[D];哈爾濱工業(yè)大學(xué);2007年

2 王阿川;基于變分PDE的單板缺陷圖像檢測及修補(bǔ)關(guān)鍵技術(shù)研究[D];東北林業(yè)大學(xué);2011年

3 栗琳;基于視覺的高反射球面缺陷快速檢測關(guān)鍵技術(shù)研究[D];天津大學(xué);2013年

中國碩士學(xué)位論文全文數(shù)據(jù)庫 前10條

1 冶平;半固態(tài)壓葉輪的缺陷判斷與圖像識(shí)別[D];北京有色金屬研究總院;2015年

2 黃德龍;疏松缺陷圖像的自動(dòng)生成算法研究[D];華南理工大學(xué);2015年

3 肖兆騫;圓柱體構(gòu)件超聲檢測缺陷類型識(shí)別及重構(gòu)技術(shù)研究[D];中北大學(xué);2016年

4 黃發(fā)亮;基于多特征權(quán)重向量空間模型的航空復(fù)合材料缺陷檢測技術(shù)研究[D];南昌航空大學(xué);2016年

5 李琛偉;基于解譯過程的鑄造缺陷骨架生成技術(shù)[D];華南理工大學(xué);2016年

6 魏麗君;基于圖像處理技術(shù)的玻璃缺陷圖像預(yù)處理系統(tǒng)研究[D];鄭州大學(xué);2009年

7 李佩;缺陷圖像測試技術(shù)及應(yīng)用研究[D];廣東工業(yè)大學(xué);2012年

8 陳宇;一種新的光罩霧狀缺陷的檢測方法研究[D];電子科技大學(xué);2014年

9 宋克臣;帶鋼表面缺陷圖像中目標(biāo)區(qū)域的分割研究[D];東北大學(xué);2011年

10 林琳;基于光波反射率的石英管反光抑制及氣泡缺陷圖像面積測量研究[D];河北工業(yè)大學(xué);2013年

，

本文編號(hào)：924509