基于三角覆盖MF-DFA的环形零件图像种类特征研究

摘要：

针对多重分形去趋势波动分析(Multifractality Detrended Fluctuation Analysis,MF-DFA)可以从全局和局部两方面出发,深层次发掘目标物体的各种特征,但存在过度覆盖的缺点,提出一种能够减少过度覆盖的三角覆盖MF-DFA,用于环形零件图像的种类特征提取.选用齿环、齿轮、轴承与螺母这四类常见环形零件的图像为研究对象,利用三角覆盖MF-DFA研究环形零件图像的种类特征,结合核化主成分分析(Kernelized Principal Component Analysis,KPCA)获得特征值.使用支持向量机(Support Vector Machines,SVM)对特征值进行识别验证,其识别正确率达99.5％,证实该方法可以准确提取环形零件图像的种类特征.

关键词：三角覆盖MF-DFA;环形零件图像;种类特征提取;KPCA;SVM

所属期刊栏目：29

分类号：TN-9

资助基金：国家自然基金面上项目51275158

在线出版日期：2022-01-04（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：1-7