基于PCNN的金屬断口图像识别方法研究.docVIP

基于PCNN的金属断口图像识别方法研究 摘要：结合bandelet变换和神经网络的各自特点，提出了一种基于脉冲耦合神经网络(pulse coupled neural networks，pcnn)的新的识别方法。该方法将金属断口图像输入到pcnn中，像素激发引起神经元激发，发生点火，产生脉动序列输出，得到输出图像的神经元点火序列及熵序列作为断口识别分类的特征。该方法将pcnn引入到金属断口的识别研究中，开拓了金属断口模式识别的新领域，同时对于pcnn的理论研究和实际应用具有现实意义。 关键词：脉冲耦合神经网络断口识别神经元点火序列熵序列 0 引言 金属断口图像的模式识别与分类是进行断裂故障智能化分析的关键性问题。金属断口图像的识别研究已经取得一定成果，但识别的种类有限，识别率也有待于提高[1-3]。文献[4]提出利用小波变换等方法提取出的能量、l1范数和熵等特征，然后利用神经网络进行分类器设计的方法，取得了较好的识别效果，能够解决典型断口图像的识别问题。但在识别的过程中都需要学习，训练，而这些要求有大量的断口来保证学习和训练的质量，基于此，提出了一种新的断口图像的识别方法：将脉冲耦合神经网络应用到断口识别当中去。 20