CAJ | 학술논문

针对轴心轨迹图像的特征不易提取,传统基于图像处理的轴心轨迹识别方法普遍存在信息提取不全面、形状表征不准确、特征向量与形状映射关系不明确等问题,提出了一种模仿人眼的轴心轨迹识别方法.该方法首先模仿人的眼睛来提取轴心轨迹结构、区域和边界3方面最直观有效的信息;然后,通过有效信息的全面集成完成形状的综合准确表征,使特征向量与形状之间的对应关系足够明晰;最后,通过反向传播(back propagation,简称BP)神经网络、径向基函数(radical basis function,简称RBF)神经网络和概率神经网络(probabilistic neural network,简称PNN)实现汽轮机轴心轨迹的自动识别.实验表明,提出的轴心轨迹识别方法简单、高效、准确.
침대축심궤적도상적특정불역제취,전통기우도상처리적축심궤적식별방법보편존재신식제취불전면、형상표정불준학、특정향량여형상영사관계불명학등문제,제출료일충모방인안적축심궤적식별방법.해방법수선모방인적안정래제취축심궤적결구、구역화변계3방면최직관유효적신식;연후,통과유효신식적전면집성완성형상적종합준학표정,사특정향량여형상지간적대응관계족구명석;최후,통과반향전파(back propagation,간칭BP)신경망락、경향기함수(radical basis function,간칭RBF)신경망락화개솔신경망락(probabilistic neural network,간칭PNN)실현기륜궤축심궤적적자동식별.실험표명,제출적축심궤적식별방법간단、고효、준학.