基于SVD算法的红外热波无损检测方法研究.pdf

《基于SVD算法的红外热波无损检测方法研究.pdf》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、第4期机械设计与制造2012年4月MachineryDesign&Manufacture53文章编号：1001—3997(2012)o4—0053—03基于SVD算法的红外热波无损检测方法研究张志强，赵怀慈1,3．4赵大威1,3,4崔云刚1,3,4(’中国科学院沈阳自动化研究所光电信息研究室，沈阳110016)(。中国科学院研究生院，北京100049)(。中国科学院光电信息处理重点实验室，沈阳110016)(辽宁省图像理解与视觉计算重点实验室，沈阳110016)Researchofinfraredtherma1wavenOndestructivetestingmethodb

2、asedonSVDalgorithmZHANGZhi-qiang1,2．3,4ZHAOHuai-ci1,3,4ZHAODa-wei1,3,4CUIYun—gang··(Departmentof0ptical—Electr0nicsandInformationProcessing，ShenyangInstituteofautomation，ChineseAcademyofScience，Shenyang110016，China)(GraduateSchoolofChineseAcademyofScience，Beijing100049，China)(KeyLaboratory

3、ofOptical-ElectronicsInformationProcessing，ChineseAcademyofScience，Shenyang110016，China)(KeyLaboratoryofImageUnderstandingandComputerVision，LiaoningProvince，Shenyang110016，China)；【摘要】针对采用红外热波无损检测技术对材料缺陷进行特征提取的技术空白，提出了一种新；}的基于奇异值分解(SVD)的红外序列图像特征提取方法。研究表明对重构的缺陷相空间矩阵进行奇异{l值分解，其空间与时间基向量包含了缺陷静态

4、空间与动态热量变化的特征信息。在缺陷代数特征的基2}础上，提取具有时空信息的特征值构造缺陷特征向量。实验分析表明，通过对热障涂层缺陷进行特征提《；取，在运用RBF神经网络进行缺陷的分类验证中取得了较好的效果。j}关键词：缺陷；红外热波；奇异值分解；特征提取《}【Abstract】Concerningthegapoffeatureextractionformaterialdefectbyadoptinginfraredthermal；；wa1)enondestructivetestingtechnology,0newmethodoffeatureextractionforin

5、fraredimagesequenceis{}putforwardonthebasisofsingular”Medecompositi。n(SVD)．Theresearchsbowsthatcharacteristicec一{}torreflectstheinformationofthedefectsstaticspaceanddynamicheatchange．Onthebasisofalgebrafe2}turesofedefects，tectonicfeaturevectorofde．fectswithspace一timecharacteristicsisextrac

6、ted．Theodta-《}lyzingresuhs0厂theexperimentindicatethattheapplicationofthismethodinRBFneuralnetworkisveri-j}fledtobebetterineffectthroughatureextractingthermalbarriercoatingdefecttype．《}Keywords：Defect；Infraredthermalwave；SVD；Featureextraction：“’，t．、“，

7、l“～i、．小，ttj卅，．¨．、-小tt’，●t’，f““’，#t’，●●，

8、●●．，●●t，．中图分类号：TH16，TP274+．52文献标识码：A类型的特征值，在运用RBF神经网络作为分类器的识别验证中1引言获得了理想的分类效果。红外热波无损检测技术作为一门新兴的检测技术，具有大面积非接触性测量、测试速度陕、灵敏度高、可实现自动检测等优2奇异值分解理论点ll】。对相应的红外序列图像的处理方法研究主要集中于两方面：对于实矩阵A∈一，矩阵秩r_