基于數(shù)據(jù)融合的超聲3D目標(biāo)識(shí)別技術(shù)研究.pdf

1、超聲3D目標(biāo)識(shí)別是物體內(nèi)部缺陷識(shí)別與量化以及評(píng)估的重要手段和依據(jù)，在無(wú)損檢測(cè)與評(píng)估中有著廣泛的應(yīng)用前景。超聲3D目標(biāo)識(shí)別的主要方法有一維回波信號(hào)特征選擇與提取和合成孔徑超聲成像。
　　 一維回波信號(hào)特征選擇與提取是利用物體內(nèi)部不連續(xù)體超聲反射回波信號(hào)中包含的缺陷信息來(lái)實(shí)現(xiàn)識(shí)別。獲取目標(biāo)特征信息的方法主要有超聲A、B、C掃描，這三種方法獲取的信息量都較少，無(wú)法滿足定性與評(píng)估的需要。而合成孔徑超聲成像雖然能夠多波段、多視向地對(duì)目標(biāo)進(jìn)

2、行探測(cè)，獲取的信息量較多，但是由于算法存在不足，致使對(duì)目標(biāo)形狀的分辨率較低。目前，超聲3D目標(biāo)識(shí)別大多是采用單一的識(shí)別手段實(shí)現(xiàn)，雖然取得了一些成果，但是信息量偏少，存在識(shí)別率低、魯棒性差等不足。
　　 針對(duì)單一方法識(shí)別率低、魯棒性差等問(wèn)題，為了提高超聲3D目標(biāo)識(shí)別的識(shí)別率，本文提出了將一維回波信號(hào)特征選擇與提取及合成孔徑超聲成像兩種方法進(jìn)行數(shù)據(jù)融合，相互彌補(bǔ)各自的不足，實(shí)現(xiàn)超聲3D目標(biāo)識(shí)別。
　　 論文的主要研究工作如下

3、:
　　 (1)在檢索并閱讀了與超聲3D目標(biāo)識(shí)別相關(guān)文獻(xiàn)的基礎(chǔ)上，分析每種方法的特點(diǎn)，確定采用將一維回波信號(hào)特征選擇與提取和合成孔徑超聲成像進(jìn)行數(shù)據(jù)融合的算法，實(shí)現(xiàn)超聲3D目標(biāo)識(shí)別。
　　 (2)一維回波信號(hào)特征選擇與提取和合成孔徑超聲成像均是基于合成孔徑傳感器陣列排列的方法對(duì)三類人工缺陷進(jìn)行超聲回波信號(hào)的采集。前者是通過(guò)分析一維回波信號(hào)的特點(diǎn)，對(duì)每個(gè)回波信號(hào)進(jìn)行時(shí)域、頻域和變換域的特征選擇與提取，并采用Fisher線性

4、判別分析和BP神經(jīng)網(wǎng)絡(luò)實(shí)現(xiàn)分類判別;后者則是基于合成孔徑成像的原理，對(duì)回波信號(hào)進(jìn)行時(shí)延、疊加等處理，采用距離多普勒算法實(shí)現(xiàn)目標(biāo)的成像，并從所成圖像中選擇與提取多個(gè)能有效表征圖像形狀的特征參數(shù)，最后通過(guò)BP神經(jīng)網(wǎng)絡(luò)實(shí)現(xiàn)分類判別。由實(shí)驗(yàn)結(jié)果分析可以看出，這兩種方法的識(shí)別率均不高。
　　 (3)為了提高超聲3D目標(biāo)識(shí)別的識(shí)別率，提出基于數(shù)據(jù)融合實(shí)現(xiàn)超聲3D目標(biāo)識(shí)別的方法。本文中數(shù)據(jù)融合主要是特征層融合，分別采用串行融合算法和并行融合算