基于组合优化神经网络的航空发动机叶片损伤图像分割

作者:石宏 张维亮 田中笑 李楠 李波

摘要: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。

分类:
  • 期刊
  • >
  • 自然科学与工程技术
  • >
  • 信息科技
  • >
  • 自动化技术
收录:
  • SA 科学文摘(英)
  • 剑桥科学文摘
  • 国家图书馆馆藏
  • 上海图书馆馆藏
  • 知网收录(中)
  • 维普收录(中)
  • 万方收录(中)
  • 统计源期刊(中国科技论文优秀期刊)
关键词:
  • pnn神经网络
  • rbf神经网络
  • ga算法
  • 图像分割

注:因版权方要求,不能公开全文,如需全文,请咨询杂志社

期刊名称:计算机测量与控制

期刊级别:统计源期刊

期刊人气:10972

杂志介绍:
主管单位:中国航天科工集团公司
主办单位:中国计算机自动测量与控制技术协会
出版地方:北京
快捷分类:计算机
国际刊号:1671-4598
国内刊号:11-4762/TP
邮发代号:82-16
创刊时间:1993
发行周期:月刊
期刊开本:A4
下单时间:1-3个月
复合影响因子:0.55
综合影响因子:1