基于Grouplet变换的航空构件断口图像识别新方法研究

Grouplet transform is a very novelty orthogonal transform based on the optinum sparse expression of image's geometry stream, its performance is greatly superior to the traditinal wavelet and the other directional wavelet. Here, Grouplet transform is introduced into the recognition of metal fracture images, a new recognition method of aviation components fracture images is proposed. The features of the proposed method are as follows: 1) The self-adaptive processing ability of metal fracture is enhanced, this method can make maximum use the geometrical characteristics of metal fracture. 2) The proposed concept of Grouplet kurtosis and Grouplet bosx dimension have the obvious physical meaning, the featrure extraction of metal fracture images is greatly enhanced. 3) The sparse Kernel principal component analysis is introduced into the recognition method of metal fracture images, the nonlinear recognition of metal fracture images is changed into the linear recognition,thus greatly simplify the complexity of the metal fracture image recognition under the recognition effect is not reduced. 4) the proposed relevance vector machine recognition method based on Grouplet transform has the better generalization ability and greatly improves the recognition rate of metal fracture under the kernel number does not increase. The obtained research achievements in this project will play an important role to the reasearch of failure analysis.

Grouplet变换是一种非常新颖的基于图像几何流最佳稀疏表示的正交变换，其性能大大优于传统小波和其他方向性小波。在此，将Grouplet变换引入到金属断口图像识别中，提出了基于Grouplet变换的航空构件断口图像识别新方法, 该方法的特色在于：1)增强了对金属断口图像的自适应处理能力，可以最大限度地充分利用金属断口图像的几何特征。2) 提出的Grouplet峭度和Grouplet盒维数的概念，具有明显的物理意义，大大增强了对金属断口图像的特征提取的能力。3)将稀化核主分量分析引入到金属断口图像识别中，把金属断口图像非线性识别转化为线性识别，在不降低识别效果的前提下大大简化了金属断口图像识别的复杂性。4) 提出的基于Grouplet变换的关联向量机识别方法具有较好的泛化能力和在核数量不增加的情况下可以大幅度提高金属断口的识别率。本项目所取得的研究成果必将对失效分析研究起着很大的推动作用。

针对传统方法在金属断口图像识别方面存在的不足和Grouplet变换的独特优势。在此，将Grouplet变换引入到金属断口图像识别中，提出了基于Grouplet变换的航空构件识别方法，并与传统的方法进行了对比分析。在Grouplet变换理论和算法、基于Grouplet变换的金属断口图像消噪与增强、基于Grouplet变换金属断口图像的有效特征提取、基于Grouplet变换的金属断口图像识别等方面展开了深入研究，仿真和实验验证了提出的方法的有效性。研究结果表明：1)与传统的金属断口图像处理方法比较，不论是在边缘检测、还是在消噪和增强方面，提出的方法可以最大限度地充分利用金属断口图像的几何特征，明显增强了对金属断口图像的自适应处理能力，提高了去噪和增强图像的峰值信噪比，同时也很好的保留了图像的轮廓信息，并通过性能指标充分反映了提出的方法的优越性。2) 提出的Grouplet熵和Grouplet峭度的概念，具有明显的物理意义，大大增强了对金属断口图像的特征提取的能力。3)提出的Grouplet-核方法的金属断口图像识别方法，在不降低识别效果的前提下大大简化了金属断口图像识别的复杂性，克服了经典核方法过度依赖核函数的选择的缺陷。4) 基于Grouplet变换的关联向量机识别方法具有较好的泛化能力和在核数量不增加的情况下可以大幅度提高金属断口的识别率。5)Grouplet-小波关联向量机的识别方法避免了核函数参数的选择，具有更大的灵活性和适应性。6)基于Grouplet变换的图像压缩感知重构算法既可以最大限度的利用图像的几何特征，又消除了传统奈奎斯特采样理论造成的冗余与资源的浪费，使得即使很少的采样点数也可恢复出较清晰的图像质量。通过本项目的研究，得到了一些非常有价值的结论，这些结论对工程应用具有重要的指导意义和参考价值，必将对失效分析研究起着很大的推动作用。