基于光斑图像特征的飞秒激光烧蚀功率分类模型研究

摘要：

针对光晕导致的光斑图像边缘模糊的特点,采用Niblack局部阈值分割得到光斑目标区域,并提取光斑的几何特征;以Niblack分割得到的图像边缘对原始光斑图像进行裁剪,得到去除光晕影响的光斑目标灰度图像,在此基础上提取该区域光斑图像亮度,结合光斑几何特征构造6维特征矩阵.分别采用BP神经网络、线性局部切空间排列LLTSA-BP网络、局部保持投影LPP-BP模型对烧蚀功率进行识别;进一步采用极限学习机(ELM-Extreme Learning Ma-chine)、LLTSA-ELM和LPP-ELM降维模型,基于降维后的特征矩阵进行烧蚀功率分类.对比研究发现BP神经网络在对6维特征矩阵分类时收敛时间比ELM分类模型短,所需隐含层神经元个数少.而流形学习-ELM模型则在对降维之后的数据分类时表现较优,所需时间远远小于BP神经网络模型的处理时间,其中LPP-ELM模型对光斑的分类效果最优.

关键词：飞秒激光、极限学习机、流形学习、图像分类

所属期刊栏目：50

分类号：TN249;TP391.4(光电子技术、激光技术)

资助基金：国家自然科学基金项目No.71601039

在线出版日期：2020-03-22（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：117-123