基于2DPCA的金属断口图像识别方法研究

针对PCA在金属断口图像处理中容易引发的维数灾难问题,提出了一种基于2DPCA的金属断口图像识别方法研究。在提出的方法中,2DPCA以最大化类间散度为准则,其协方差矩阵由原始图像矩阵直接构造。同时将提出的方法与基于PCA识别方法相比较。由实验结果可知:本文提出的识别方法计算量小且识别率也高于PCA识别方法。另外,选取合适的特征空间维数十分重要。当选取特征空间维数过小时,图像信息不完善,识别率低,而当特征空间维数过大时,图像信息冗余,计算量会加大。

基于经验Ridgelet-2DPCA的断口图像识别方法研究

经验Ridgelet变换具有方向选择性和自适应分解能力,2DPCA可直接利用原始图像构建协方差矩阵。结合经验Ridgelet变换和2DPCA的各自优点,提出了一种基于经验Ridgelet-2DPCA金属断口图像识别方法。同时将提出的方法与Ridgelet-2DPCA、经验Ridgelet-PCA识别方法相比较,实验结果表明,提出的方法中的二维固有模态分量比Ridgelet系数具有更丰富的特征信息,2DPCA相比于PCA,图像结构信息更加完整,因而,提出的经验Ridgelet-2DPCA的金属断口识别方法取取得了比经验Ridgelet-PCA、Ridgelet-2DPCA更好的识别效果。