结构化稀疏模式分解在红外无损检测中的应用研究
发布时间：2022-12-10 20:36
无损检测是在不损坏受检试件的条件下,测定和评估试件表面或内部的物理性能,包括检测试件表面和内部缺陷的综合性技术。光激励红外热成像检测技术由于具有快速、大面积检测等优点被广泛应用于复合材料的缺陷检测。光激励热成像系统采集的数据由于热扩散和噪声等问题,无法直接用于检测缺陷,需要后期的算法处理。目前主成分分析等算法已被广泛应用在热像数据处理上,但是现存算法在检测微弱缺陷和深层缺陷时存在局限,缺陷的检出率和分辨率需要提升。本文通过光激励红外热成像检测系统,提出了结构化稀疏矩阵分解算法,针对复合材料,将原始热像数据分解为三个模式成分以增强缺陷检测能力。本文的研究内容如下:1.通过分析含有缺陷样件的热像图,物理分析热像图主要由背景,缺陷和噪声三部分组成。其中背景占据热像图的主要部分,缺陷分布在局部区域,噪声则是由于光照不均,试样表面辐射率影响造成。将热像仪采集的热像数据构造为矩阵,根据温度特征,将原始矩阵分解为低秩矩阵,稀疏矩阵和噪声矩阵,其中低秩矩阵用以表示背景,稀疏矩阵用以表征缺陷。2.由于横向和纵向热扩散的影响,缺陷区域的热信号是不同热特征线性叠加的结果。根据上述物理特性,将矩阵分解模型中的...
【文章页数】：72 页
【学位级别】：硕士
【文章目录】：
摘要
abstract
第一章 绪论
1.1 选题背景和研究意义
1.2 国内外研究现状
1.2.1 矩阵分解算法的国内外研究现状
1.2.2 缺陷检测算法的国内外研究现状
1.3 本论文主要贡献与创新
1.4 本论文结构安排
第二章 光激励红外热成像检测技术及矩阵分解基本理论
2.1 红外热成像基本理论
2.2 光激励红外热成像检测系统
2.3 矩阵分解基础
2.3.1 矩阵范数
2.3.2 奇异值分解
2.3.3 稀疏表示
2.3.4 鲁棒主成分分析
2.4 本章小结
第三章 结构化稀疏矩阵分解方法
3.1 算法框架
3.2 矩阵的估计
3.2.1 L矩阵的估计
3.2.2 D矩阵的估计
3.2.3 W矩阵的估计
3.4 评价指标
3.4.1 查准率、查全率与F-Score
3.4.2 信噪比
3.5 本章小结
第四章 结构化稀疏矩阵分解实验结果分析
4.1 简化实例
4.2 实验平台及样件介绍
4.2.1 实验平台介绍
4.2.2 测试样件介绍
4.3 实验结果
4.3.1 低秩矩阵不同秩的分析
4.3.2 字典矩阵不同字典个数分析
4.3.3 对比算法介绍
4.3.4 结果分析
4.4 本章小结
第五章 总结与展望
5.1 全文总结
5.2 后续工作展望
致谢
参考文献
攻读硕士学位期间取得的成果
【参考文献】：
期刊论文
[1]基于涡流热成像图像的边缘检测方法研究[J]. 杨明莉,范玉刚,毕野. 电子测量技术. 2019(24)
[2]基于低秩矩阵恢复的群稀疏表示人脸识别方法[J]. 胡静,陶洋,郭坦,孙雨浩,胡昊,王进. 计算机工程与设计. 2019(12)
[3]基于奇异值分解的新闻标题聚类研究[J]. 文晓艺,郝程程. 计算机技术与发展. 2020(02)
[4]基于背景重构X射线钢管焊缝缺陷检测方法[J]. 王家晨,王新房. 计算机系统应用. 2018(02)
[5]基于热图重构区域生长算法的碳纤维增强复合材料脱粘缺陷检测[J]. 冯琪智,高斌,杨扬,田贵云. 无损检测. 2017(09)
[6]基于奇异值分解的遥感图像鲁棒水印算法探讨[J]. 侯翔,杨辉. 测绘科学. 2015(07)
[7]浅谈红外热成像技术在航空无损检测中的应用[J]. 林伟谦. 科技信息. 2012(24)
[8]射线检测图像中焊缝和缺陷的提取方法[J]. 张晓光,孙正,胡晓磊,宦宇越. 焊接学报. 2011(02)
[9]中国无损检测与评价技术的进展[J]. 沈功田. 无损检测. 2008(11)
[10]碳纤维及其复合材料的发展及应用[J]. 上官倩芡,蔡泖华. 上海师范大学学报(自然科学版). 2008(03)
硕士论文
[1]基于红外热成像的复合材料无损检测研究[D]. 冯琪智.电子科技大学 2018
[2]变分贝叶斯分解算法在红外无损检测中的应用研究[D]. 鲁鹏.电子科技大学 2018
[3]复合材料脱粘缺陷红外热成像无损检测定量分析研究[D]. 梁涛.电子科技大学 2017
本文编号：3717472
【文章页数】：72 页
【学位级别】：硕士
【文章目录】：
摘要
abstract
第一章 绪论
1.1 选题背景和研究意义
1.2 国内外研究现状
1.2.1 矩阵分解算法的国内外研究现状
1.2.2 缺陷检测算法的国内外研究现状
1.3 本论文主要贡献与创新
1.4 本论文结构安排
第二章 光激励红外热成像检测技术及矩阵分解基本理论
2.1 红外热成像基本理论
2.2 光激励红外热成像检测系统
2.3 矩阵分解基础
2.3.1 矩阵范数
2.3.2 奇异值分解
2.3.3 稀疏表示
2.3.4 鲁棒主成分分析
2.4 本章小结
第三章 结构化稀疏矩阵分解方法
3.1 算法框架
3.2 矩阵的估计
3.2.1 L矩阵的估计
3.2.2 D矩阵的估计
3.2.3 W矩阵的估计
3.4 评价指标
3.4.1 查准率、查全率与F-Score
3.4.2 信噪比
3.5 本章小结
第四章 结构化稀疏矩阵分解实验结果分析
4.1 简化实例
4.2 实验平台及样件介绍
4.2.1 实验平台介绍
4.2.2 测试样件介绍
4.3 实验结果
4.3.1 低秩矩阵不同秩的分析
4.3.2 字典矩阵不同字典个数分析
4.3.3 对比算法介绍
4.3.4 结果分析
4.4 本章小结
第五章 总结与展望
5.1 全文总结
5.2 后续工作展望
致谢
参考文献
攻读硕士学位期间取得的成果
【参考文献】：
期刊论文
[1]基于涡流热成像图像的边缘检测方法研究[J]. 杨明莉,范玉刚,毕野. 电子测量技术. 2019(24)
[2]基于低秩矩阵恢复的群稀疏表示人脸识别方法[J]. 胡静,陶洋,郭坦,孙雨浩,胡昊,王进. 计算机工程与设计. 2019(12)
[3]基于奇异值分解的新闻标题聚类研究[J]. 文晓艺,郝程程. 计算机技术与发展. 2020(02)
[4]基于背景重构X射线钢管焊缝缺陷检测方法[J]. 王家晨,王新房. 计算机系统应用. 2018(02)
[5]基于热图重构区域生长算法的碳纤维增强复合材料脱粘缺陷检测[J]. 冯琪智,高斌,杨扬,田贵云. 无损检测. 2017(09)
[6]基于奇异值分解的遥感图像鲁棒水印算法探讨[J]. 侯翔,杨辉. 测绘科学. 2015(07)
[7]浅谈红外热成像技术在航空无损检测中的应用[J]. 林伟谦. 科技信息. 2012(24)
[8]射线检测图像中焊缝和缺陷的提取方法[J]. 张晓光,孙正,胡晓磊,宦宇越. 焊接学报. 2011(02)
[9]中国无损检测与评价技术的进展[J]. 沈功田. 无损检测. 2008(11)
[10]碳纤维及其复合材料的发展及应用[J]. 上官倩芡,蔡泖华. 上海师范大学学报(自然科学版). 2008(03)
硕士论文
[1]基于红外热成像的复合材料无损检测研究[D]. 冯琪智.电子科技大学 2018
[2]变分贝叶斯分解算法在红外无损检测中的应用研究[D]. 鲁鹏.电子科技大学 2018
[3]复合材料脱粘缺陷红外热成像无损检测定量分析研究[D]. 梁涛.电子科技大学 2017
本文编号：3717472
本文链接：https://www.wllwen.com/kejilunwen/dianzigongchenglunwen/3717472.html
