基于紋理特征的金相圖像分類研究與實(shí)現(xiàn).pdf

1、已有的定量金相分析技術(shù)多建立在背景與目標(biāo)的分割上，它對于分析諸多目標(biāo)粘連在一起的情況顯得困難重重。本文根據(jù)金相圖像的紋理特征，把計(jì)算機(jī)技術(shù)、圖像處理和模式識別的相關(guān)知識結(jié)合起來，建立了一套具有實(shí)際應(yīng)用價(jià)值的金相圖像紋理分類系統(tǒng)，該系統(tǒng)具有位移不變性、尺度不變性、旋轉(zhuǎn)不變性和光照不敏感性等優(yōu)點(diǎn)。 紋理特征提取算法多種多樣，本文主要介紹了微分計(jì)盒分形維數(shù)法、多重分形相關(guān)維數(shù)法、小波變換法、不完全樹小波變換法，并在此基礎(chǔ)上提出了小波分

2、形聯(lián)合分析法，它充分利用了小波“數(shù)學(xué)顯微鏡”的特性和分形的自相似特性，在紋理特征提取方面取得了較好效果。在分類器設(shè)計(jì)方面，本文對BP神經(jīng)網(wǎng)絡(luò)分類器的結(jié)構(gòu)設(shè)計(jì)、訓(xùn)練方法進(jìn)行了詳細(xì)介紹，采用動量法、S函數(shù)輸出限幅和訓(xùn)練集重組相結(jié)合的方法優(yōu)化，提高了分類器的精度和訓(xùn)練速度；采用隱節(jié)點(diǎn)自生成法改進(jìn)了分類器的泛化能力。實(shí)驗(yàn)表明，使用小波分形聯(lián)合分析法結(jié)合改進(jìn)的BP神經(jīng)網(wǎng)絡(luò)分類器對金相圖像進(jìn)行分類可以達(dá)到很好的效果。 設(shè)計(jì)的金相紋理分類系統(tǒng)