基于小波紋理分析和魯棒貝葉斯神經(jīng)網(wǎng)絡(luò)的非織造材料外觀質(zhì)量識別.pdf

1、本文首次提出采用小波紋理分析和魯棒貝葉斯神經(jīng)網(wǎng)絡(luò)方法對不同梳理工藝下生產(chǎn)的，以點軋熱熔加固的5個不同等級的非織造材料外觀質(zhì)量等級進行識別，為基于智能技術(shù)的非織造材料外觀質(zhì)量評價和識別進行了探索性研究。本文以實現(xiàn)非織造材料外觀質(zhì)量的客觀、準(zhǔn)確識別為最終目標(biāo)，主要研究了Besov空間多小波域消噪算法、小波紋理分析和魯棒貝葉斯神經(jīng)網(wǎng)絡(luò)在非織造材料圖像消噪、紋理特征提取和外觀質(zhì)量等級識別中的應(yīng)用。
　　 根據(jù)非織造材料不同區(qū)域紋理光滑特

2、性具有顯著差異的特點，本文提出了Besov空間多小波域非織造材料圖像消噪方法，并從理論與試驗上深入研究了小波域個數(shù)與消噪效果、耗時之間的關(guān)系。創(chuàng)新地提出以凸集映射前后高頻小波系數(shù)差的平方和差分小于等于零為Besov空間多小波域消噪算法收斂準(zhǔn)則，該準(zhǔn)則有效地控制了算法的復(fù)雜性，提高了運算速度。相比于小波通用閾值消噪方法，Besov空間多小波域消噪方法不僅可以有效消除噪聲，峰值信噪比大于等于40dB，還可以保持非織造材料圖像紋理的光滑特性，

3、有效抑制了過消噪現(xiàn)象。
　　 以VisTex數(shù)據(jù)庫中的6幅典型紋理圖像為參照，采用Tamura紋理特征中的對比度參數(shù)和Fourier功率譜圖來度量和確定非織造材料圖像紋理的整體對比度和方向性，研究了非織造材料圖像的紋理特性。以點軋熱熔加固5等級非織造材料為研究對象，建立了非織造材料圖像小波紋理分析模型，系統(tǒng)討論了高頻小波系數(shù)1范數(shù)L1、2范數(shù)L2能量基特征和廣義高斯分布控制參數(shù)特征k在非織造材料紋理特征表達中的應(yīng)用，兩類紋理特征

4、可以在不同尺度和方向上對非織造材料圖像的紋理進行刻畫和描述。首創(chuàng)性地提出了基于1-近鄰分類器的小波紋理特征質(zhì)量評價方法，以此衡量不同小波基在非織造材料紋理特征提取中的性能差異。
　　 最后，以非織造材料的小波紋理特征為基礎(chǔ)，采用魯棒貝葉斯神經(jīng)網(wǎng)絡(luò)對5等級625幅試樣進行外觀質(zhì)量等級識別。深入研究了魯棒貝葉斯神經(jīng)結(jié)構(gòu)設(shè)計、權(quán)值優(yōu)化、孤立點概率估計和網(wǎng)絡(luò)模型選擇等問題，詳細(xì)探討了基于UCMINF（AnAlgorithmforUnco

5、nstrained,NonlinearOptimization)算法的魯棒貝葉斯神經(jīng)網(wǎng)絡(luò)權(quán)值優(yōu)化，基于小樣本集推理原則和結(jié)構(gòu)風(fēng)險最小化原則的神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)設(shè)計，以及根據(jù)網(wǎng)絡(luò)識別精度和證據(jù)框架理論的最佳網(wǎng)絡(luò)模型選擇。在網(wǎng)絡(luò)結(jié)構(gòu)設(shè)計與模型選擇方面，本文創(chuàng)新地提出了魯棒貝葉斯神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)設(shè)計極限風(fēng)險準(zhǔn)則和基于網(wǎng)絡(luò)識別精度和證據(jù)框架理論的最佳網(wǎng)絡(luò)模型選擇方法，并將它們成功應(yīng)用于魯棒貝葉斯神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)設(shè)計與網(wǎng)絡(luò)模型的評價和選擇。其中，采用coif