10.3969/j.issn.1671-4598.2014.05.090
基于组合优化神经网络的航空发动机叶片损伤图像分割
采用PNN网络和RBF网络相融合的方法对航空发动机叶片损伤图像进行分割,选取损伤图像80个像素点的RGB值和HSV值分别作为PNN网络和RBF网络的输入样本;针对PNN网络和RBF网络的不足,采用GA算法优化PNN网络和RBF网络的输入参数;考虑到叶片损伤图像采集过程中不确定因素对分割结果的影响,采用D-S证据理论将两种网络分割结果进行融合,进而得到最终的叶片损伤图像分割结果;在30组测试样本中正确识别组数为29,识别率高达96.67%,实践表明,该方法有效地克服了凭借单一识别网络和单一信息源进行叶片损伤图像分割的不足,实现了对叶片损伤图像的高效分割.
PNN神经网络、RBF神经网络、GA算法、D-S证据理论、图像分割
22
V232.4(航空发动机(推进系统))
航空科学基金2008ZG54024
2015-01-20(万方平台首次上网日期,不代表论文的发表时间)
共3页
1603-1605