您的位置: 专家智库 > >

胡海锋

作品数:4 被引量:20H指数:3
供职机构:南京信息工程大学更多>>
发文基金:中国博士后科学基金国家自然科学基金江苏省高校自然科学研究项目更多>>
相关领域:自动化与计算机技术金属学及工艺电子电信更多>>

文献类型

  • 3篇期刊文章
  • 1篇学位论文

领域

  • 2篇自动化与计算...
  • 1篇金属学及工艺
  • 1篇电子电信

主题

  • 4篇粗糙度
  • 3篇散斑
  • 3篇面粗糙度
  • 3篇激光
  • 3篇激光散斑
  • 3篇表面粗糙度
  • 1篇自相关
  • 1篇自相关函数
  • 1篇网络
  • 1篇维数
  • 1篇纹理
  • 1篇相关函数
  • 1篇小波
  • 1篇局部二值模式
  • 1篇激光散斑成像
  • 1篇二值模式
  • 1篇分类器
  • 1篇分形
  • 1篇分形维
  • 1篇分形维数

机构

  • 4篇南京信息工程...
  • 1篇中国人民解放...

作者

  • 4篇胡海锋
  • 3篇陈苏婷
  • 1篇张闯
  • 1篇张勇

传媒

  • 1篇物理学报
  • 1篇中国激光
  • 1篇中国图象图形...

年份

  • 3篇2015
  • 1篇2014
4 条 记 录,以下是 1-4
排序方式:
Gabor小波和改进LBP的零件表面粗糙度识别被引量:6
2014年
目的为了提取零件表面图像的纹理特征并对其表面粗糙度分类识别,有效提高识别的正确率,提出了联合Gabor小波和改进局部二值模式(LBP)的纹理特征提取方法。方法针对传统LBP算子忽略了邻域内灰度差幅值特征的问题,提出了M_LBP(magnitude considered LBP)算子。采用Gabor小波对零件表面图像滤波,并计算各子图像Gabor幅值特征GMM(Gabor magnitude maps)。应用M_LBP算子计算各GMM的M_LBP特征谱,进而构造得到零件表面图像的纹理特征向量,最后通过KNN(K-nearest neighbor)算法对零件粗糙度分类识别。结果本文提出的算法有效细化了表面图像纹理特征,对粗糙度差别为0.2μm的零件识别准确率达到98%,远高于利用传统LBP算子提取的纹理信息的识别准确率。结论本文提出了一种有效细化LBP纹理特征的M_LBP算子,并通过与Gabor小波的结合,突破了传统LBP算子尺度、方向单一,幅值信息被忽略的局限性,能实现较高精度的粗糙度识别。
胡海锋陈苏婷
关键词:GABOR小波KNN分类器
基于激光散斑图像的零件表面粗糙度测量
人们对机械产品的稳定性、精确性以及使用寿命的要求越来越高,而这些很大程度上取决于构成它们的零件的品质。随着计算机辅助设计与制造的发展和推广,传统的零件外形、尺寸等参数都能得到较为精准的控制。以往不受重视的表面粗糙度值对零...
胡海锋
关键词:表面粗糙度激光散斑局部二值模式
文献传递
基于激光散斑成像的零件表面粗糙度建模被引量:10
2015年
表面粗糙度是衡量机械表面加工水平的重要参数.通过构建一套激光散斑成像采集系统,获取了不同表面加工类型和不同粗糙度值的零件表面激光散斑图像.应用Tamura纹理特征理论提取图像的纹理粗糙度、对比度、方向度特征,并分析了这三个特征与表面粗糙度的关系.发现了纹理粗糙度特征与表面粗糙度的单调关系,推导出平磨、外磨、研磨三种表面加工工艺的粗糙度值与图像纹理粗糙度特征的数学函数关系,实现了表面粗糙度的测量.同时,利用Tamura纹理特征与加工工艺的依赖关系,建立了基于贝叶斯网络的工艺识别推理模型,推理出了零件表面加工工艺.通过为多种加工类型表面建立粗糙度测量模型,为粗糙度测量提供了新思路.实验证明所提的粗糙度测量模型能以较高的准确率识别出零件表面加工类型并测量出其表面粗糙度值.
陈苏婷胡海锋张闯
关键词:激光散斑表面粗糙度纹理贝叶斯网络
基于激光散斑分形维数的表面粗糙度测量方法被引量:6
2015年
采用激光照射粗糙工件表面形成散斑图像,通过自相关函数分析散斑图像的二阶统计特性,使用分形算法提取散斑图像自相关函数矩阵的参数,建立分形维数与表面粗糙度对应的样本集合。用最小二乘法多项式拟合该样本集合,得到散斑图像与表面粗糙度值间的多项式关系。实验结果表明,基于激光散斑分形维数的表面粗糙度测量方法是可行的且适用于在线高精度粗糙度检测,在检测时间上从数十秒级提高到秒级,检测精度达到微米级。
陈苏婷张勇胡海锋
关键词:表面粗糙度自相关函数分形维
共1页<1>
聚类工具0