基于Bandelet变换能自适应跟踪图像几何方向的特点，将Bandelet变换引入到金属断口图像特征提取中，提出了一种基于Bandelet变换的金属断口形貌非线性识别方法。在提出的方法中，利用Bandelet变换提取金属断口图像的Bandelet熵作为特征向量，神经网络作为非线性分类器，对几种典型的金属断口图像进行了识别验证。同时，将该方法与基于传统的小波变换的金属断口图像识别方法进行了对比。结果表明，由于Bandelet变换克服了小波变换在处理金属断口图像时孤立对待边界各点的缺点，得到了比传统的小波变换方法更好的识别效果。

所属栏目

科研成果与学术交流无损检测技术教育部重点试验室开放基金资助项目(ZD200829003);国家自然科学基金资助项目(51261024)

收稿日期

2011/3/29

作者单位

李志农:南昌航空大学 无损检测技术教育部重点试验室，南昌330063
聂鹏:郑州大学 机械工程学院，郑州450001
邬冠华:南昌航空大学 无损检测技术教育部重点试验室，南昌330063

备注

李志农(1966-)，男，教授，博士后，主要从事智能检测与信号处理，机械设备状态监测与故障诊断，图像处理与模式识别。

引用该论文:

LI Zhi-Nong,NIE Peng,WU Guan-Hua.Recognition Method of Metal Fracture Surface Based on Bandelet Transform[J].Nondestructive Testing,2013,35(1):1～4
李志农,聂鹏,邬冠华.基于Bandelet变换的金属断口图像识别方法[J].无损检测,2013,35(1):1～4

参考文献

【1】

颜云辉，杨会林，王成明.金属断口图像的非线性模式识别方法［J］.东北大学学报：自然科学版,2004,25(9):884-886.

【2】

颜云辉，高金鹤，刘勇，等.基于小波变换的金属断口模式识别与分类［J］.金属学报,2002,38(3):309-314.

【3】

YAMAGIWA K, IZUMI S, SAKAI S. Detecting method of striation region of fatigue fracture surface.using wavelet transform［J］. Society of Materials Science, 2004, 53(3): 306-312.

【4】

张莉，黎明，杨小芹.基于树形小波变换的断口图像识别［J］.南昌航空大学学报：自然科学版,2007,21(2):42-45.

【5】

PENNEC E L, MALLAT S. Image compression with geometrical wavelet［C］// Proc. of ICIP’2000, Vancouver Canada: ［s.n］,2000:661-664.

【6】

闫敬文.超小波分析及应用［M］.北京：国防工业出版社,2008.

【7】

PENNEC E L, MALLAT S. Sparse image representation with Bandelets［J］. IEEE Trans. On Image Processing,2005,14(4):423-438.

【8】

龙奕，尹忠科，王建英，等.NA-Bandelet基的构造及其在图像去噪中的应用［J］.光电工程,2008,35(6):68-72.

【9】

印欣运.声发射技术在旋转机械碰摩故障诊断中的应用［D］.北京：清华大学, 2005.