未识别的网络怎么处理

14集成电路应用第37卷第12期（总第327期）2020年12月

RearchandDesign研究与设计

0引言

缺陷图像指的就是图像中存在很难识别部分，

对缺陷图像识关于太空的知识 别与处理技术本身具备较高的难度系

数[1]。在我国，传统的缺陷图像识别与处理技术在

实际应用过程中普遍存在应用效果无法达到预期效

果的问题，在缺陷图像识别与处理技术研究方面也

存在一定的局限性[2]。RBF网络作为神经网络中的一

种，也被称为径向基函数神经网络。RBF网络能够

直接省略前期的预处理流程，进行缺陷图像的特征

组别提炼或相关数据的重新构建。在缺陷图像处理

过程中，RBF网络利用其高度稳定性，自动进行缺

陷图像的平移或旋转操作，利用精密的神经元结构

实现收集到的缺陷图像信息数据的处理，分析等工

作[3]。RBF网络以其独有的优势在大众视线中脱颖而

出，RBF网络在缺陷图像识别与处理技术中的应用已

经不是首次提出，早于2016年乔荣华等人提出的基

于RBF网络的焊缝缺陷图像的识别与诊断技术研究

中，就得出RBF网络在处理相关缺陷图片信息方面具

有独特的识别机制的结论，并通过实验的方式证明

RBF网络在缺陷图像的识别与诊断中的有效性。

在此基础上，本文提出一种基于RBF网络的缺

陷图像识别与处理技术，致力于为基于RBF网络的缺

陷图像识别与处理的进一步发展提供技术支持。

1基于RBF网络的缺陷图像识别与处理技术

1.1建立缺陷图像特征识别矩阵

在缺陷图像识别中，首先，要建立缺陷图像李清照简介 特

征识别矩阵；再通过将缺陷图像映射到同一个特征

表示空间；最后，得到维数一致的特征向量[4]。设

缺陷图像特征识别矩阵为，则其计算公式，如公式

（1）所示。

（1）

在式（1）中，M指的是缺陷图像的长度；

x(i,j)指的是缺陷图像的宽度；指的是缺陷图像在

共享空间的投影距离；i指的是缺陷图像在共享空间

的横坐标；j指的是缺陷图像在共享空间的纵坐标。

利用式（1）可得出缺陷图像特征识别投影，实现对

缺陷图像的识别功能。turned

1.2基于RBF网络处理局部特征描述子

考虑到在建立缺陷图像特征识别矩阵时，未考

虑到缺陷图像的空域联系[5]。因此，在建立缺陷图

像特征识别矩阵的基础上，基于RBF网络处理局部

特征描述子。首先，通过RBF网络划分信息空间、

物理空间以及人类认知空间，将高频信息划分到信

作者简介：周银松，云南电网有限责任公司楚雄供电局，研究方向：缺陷图像识别与处理技术。

收稿日期：2020-08-31，修回日期：2020-11-11。

摘要：提出基于RBF网络的缺陷图像识别与处理技术研究。通过建立缺陷图像特征识别矩阵，得出缺陷图

像特手淫多了怎么补救 征识别投影，实现对缺陷图像的识别功能。在此基础上，基于RBF网络处理局部特征描述子，直接反

映出缺陷图像中的细微部件信息，实现基于RBF网络的缺陷图像的处理功能。

关键词：RBF网络，缺陷图像，识别与处理，特征识别投影。

中图分类号：TP391.41文章编号：1674-2583(2020)12-0014-02

DOI：10.19339/.1674-2583.2020.12.007

中文引用格式：周银松，牟诚德，李斌.基于RBF网络的缺陷图像识别与处理技术[J].集成电路应用,2020,

37(12):14-15.

基于RBF网络的缺陷图像识别与处理技术

周银松，牟诚德，避孕套怎么选 李斌

（云南电网有限责任公司楚雄供电局，云南675000）

Abstract

—Inthispaper,defectimagerecognitionandprocessingtechnologybadonRBFnetwork

htheestablishmentofdefectimagefeaturerecognitionmatrix,thedefectimage

featurerecognitionprojectionisobtained,

basis,可爱小孩 thelocalfeaturedescriptorsareprocesdbadonRBFnetwork,whichdirectlyreflectsthe

informationoffinepartsinthedefectimage,andrealizestheprocessingfunctionofdefectimagebad

onRBFnetwork.

IndexTerms

—RBFnetwork,defectimage,recognitionandprocessing,featurerecognition,

projection.

DefectimageRecognitionandProcessingTechnology

BadonRBFNetwork

ZHOUYinsong,MOUChengde,LIBin

(ChuxiongPowerSupplyBureauofYunnanPowerGridCo.,Ltd.,Yunnan675000,China.)

集成电路应用第37卷第12期（总第327期）2020年12月15

RearchandDesign研究与设计

息空间以及物理空间，将低频信息划分到人类认知

空间，在多维空间中寻找出训练数据的最佳拟合平

面；而后，将原缺陷图像与进行处理后缺陷图像设

定为两组通道；最后，根据特征描述子的向量进行

缺陷图像输出处理，实现直接将识别缺陷图像进行

输入或输出处理。基于RBF网络处理局部特征描述

子可用方程式的手段进行表示，设处理后的局部特

征描述子为D(x,y)，则其计算如式（2）所示。

（2）

在式（2）中，K指的是缺陷图像局部特征向

量维度；k指的是维度，为实数，通常情况下取值

为1；x指的是信息空间、物理空间模态下的缺陷图

像；y指的是人类认知空间模态下的缺陷图像；r

k

指

的是在维度下提取的缺陷图像局部特征向量维度

元素值[6]。通过式（2），可以基于RBF网络处理局

部特征描述子，而经过处理后的局部特征描述子则

可以直接反映出缺陷图像中的细微部件信息，实现

基于RBF网络的缺陷图像的处理功能。至此，完成

基于RBF网络的缺陷图像识别与处理技术设计。

2实验

2.1实验准备

实验对象选取某缺陷图像，在仿真实验软件平

台上构建一个虚拟的仿真识别信号网，输入缺陷图

像，并设置该识别信号的传输速率为1220b/s，信

号采集速率为84.4kHz。缺陷图像的具体信息，如

表1所示。

结合表1所示，实验内容针对两种识别与处理

技术下缺陷图像的分辨率进行。分别采用传统的识

别与处理技术以及文章设计的识别与处理技术进行

实验，设置传统的识别与处理技术为实验对照组。

针对表1中的10种特征参数，将实验次数设为10

次，记录实验数据。

2.2实验结果分析与结论

根据上述设计的实验步骤，采集10组实验数

据，具木瓜鸡爪汤 体实验结果，如表2所示。

通过表2可得出如下的结论，本文设计

的识别与处理技术的缺陷图像分辨率最高为

1280960dpi，对照组为800600dpi，设计识别

与处理技术的缺陷图像分辨率明显高于实验对照

组，具有明显的优势，可以实现对缺陷图像精准的

识别与处理。因此，可以证明RBF网络在缺陷图像识

别与处理方面应用的有效性，可以满足缺陷图像识

别与处理的实际要求。

3结语

随着RBF网络的不断成熟，本文基于RBF网络对

缺陷图像进行识别与处理，取得了良好的效果。缺

陷图像识别与处理是针对缺陷图像进行精准识别最

实用和最可靠的方法。因此，基于RBF网络的缺陷图

像识别与处理技术的研究可以大幅度提高缺陷图像

识别与处理后的分辨率，完成传统的识别与处理技

术谈天论地 所不能实现的任务。RBF网络是缺陷图像识别与处

理方面的核心技术，有理由加大对RBF网络在缺陷图

像识别与处理中的研究力度，为缺陷图像识别与处

理的发七夕英文 展指明前进方向。但本文仍存在不足之处在

于，没有针对基于BP网络的缺陷图像识别与处理技

术进行深入研究，相信这一点可以成为日后的研究

内容之一。

参考文献

[1]张瑞峰,夏坡坡.基于CNN的典型木材缺陷图像识

别研究[J].现代化农业,2019(01):37-40.

[2]卢黎明,谷开,卢晋夫,杨培义,唐俊涛.圆形线材

表面缺陷识别的图像处理研究[J].机床与液压,

2019,47(01):162-166.

[3]马松龄,郭小艳,张清敏,代一楠.基于改进粒子

群优化RBF网络的变压器故障诊断[J].水电能源

科学,2019,37(04):184-186+191.

[4]陆继翔,李昊,徐康,徐弘升,杨志宏.基于迁移学

习的小样本输电线路巡检图像处理上海建成区面积 方法[J].全

球能源互联网,2019,2(04):409-415.

[5]王荣扬,陆波,左希庆.FPGA图像处理在带钢

表面缺陷视觉检测中的应用[J].制造业自动

化,2014,36(06):42-45.

[6]王永会,陈荣.基于分数阶傅里叶变换和频谱增

强的路面裂缝图像识别方法[J].计算机应用,

2020,40(S1):189-194.

表1缺陷图像参数信息

表2两种识别与处理技术下分辨率对比表