文献类型：期刊文章

作　　者：王福斌[1,2] 刘洋[1] 霍晓彤[3] 李占贤[2] 潘兴辰[1]

WANG Fu-bin;LIU Yang;HUO Xiao-tong;LI Zhan-xian;PAN Xing-chen(School of Electrical Engineering,North China University of Science and Technology,Tangshan 063210,China;Hebei Robot Industrial Technology Research Institute,Tangshan 063200,China;Petro China Beijing Gas Pipeline Corporation Limited,Beijing 100101,China)

机构地区：[1]华北理工大学电气工程学院自动化系,河北唐山063210 [2]河北省工业机器人产业技术研究院,河北唐山063200 [3]中石油北京天然气管道有限公司,北京100101

出　　处：《激光与红外》

基　　金：国家自然科学基金项目(No.71601039)资助。

年　　份：2020

卷　　号：50

期　　号：1

起止页码：117-123

语　　种：中文

收录情况：BDHX、BDHX2017、CAS、CSCD、CSCD2019_2020、JST、RCCSE、SCOPUS、ZGKJHX、核心刊

摘　　要：针对光晕导致的光斑图像边缘模糊的特点,采用Niblack局部阈值分割得到光斑目标区域,并提取光斑的几何特征;以Niblack分割得到的图像边缘对原始光斑图像进行裁剪,得到去除光晕影响的光斑目标灰度图像,在此基础上提取该区域光斑图像亮度,结合光斑几何特征构造6维特征矩阵。分别采用BP神经网络、线性局部切空间排列LLTSA-BP网络、局部保持投影LPP-BP模型对烧蚀功率进行识别;进一步采用极限学习机(ELM-Extreme Learning Machine)、LLTSA-ELM和LPP-ELM降维模型,基于降维后的特征矩阵进行烧蚀功率分类。对比研究发现BP神经网络在对6维特征矩阵分类时收敛时间比ELM分类模型短,所需隐含层神经元个数少。而流形学习-ELM模型则在对降维之后的数据分类时表现较优,所需时间远远小于BP神经网络模型的处理时间,其中LPP-ELM模型对光斑的分类效果最优。

关 键 词：飞秒激光 极限学习机 流形学习 图像分类

分 类 号：TN249] TP391.4]