基于三角覆盖MF-DFA的环形零件图像种类特征研究

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。