基于神经网络的彩色温度软测量

论文摘要

温度是工业生产和科学研究领域的一项重要参数,高精度的温度测量是至关重要的。根据物体在可见光波段颜色和温度的对应关系,提出了一种通过数码相机采集高温物体图像颜色值,并基于神经网络的彩色温度软测量方法。本文首先通过实验采集电炉图像样本及建立标准图像库;其次对采集的图像进行预处理:采用中值滤波法平滑图像,采用全阈值分割法进行背景分割,并采用求取平均法提取图像颜色信息值;再次利用大量样本数据训练两种不同的神经网络(BP网络和RBF网络),通过神经网络拟合出物体图像的颜色信息值R、G、B与温度T之间的非线性映射关系;最后将这两种网络应用于物体的图像颜色测温中。大量实验数据结果的分析表明,利用此方法进行测量物体温度是可行的,表现出了较高的测温精度,并且具有简便、成本低的特点。通过BP网络法和RBF网络法的测温比较可知:RBF神经网络法比BP神经网络法更具有优越性,其网络设计简便、训练速度快、测温精度高。

论文目录

• 摘要
• Abstract
• 第一章 绪论
• 1.1 辐射图像测温相关研究
• 1.1.1 国外情况
• 1.1.2 国内情况
• 1.1.3 主要存在问题
• 1.2 本文主要工作
• 1.3 本章小结
• 第二章 电炉图像的采集及标准图像建立
• 2.1 系统软硬件及图像采集
• 2.1.1 系统软硬件构成
• 2.1.2 图像采集
• 2.2 系统中景物、数码相机、图像三者之间的关系
• 2.3 标准图像的建立
• 2.4 本章小结
• 第三章 图像颜色测温的基本原理
• 3.1 物体图像颜色与其温度的关系
• 3.1.1 高温物体的颜色光与其温度间的关系
• 3.1.2 图像中的颜色与物体本身的颜色间的关系
• 3.2 彩色三基色原理及混色理论
• 3.3 彩色CCD的三色工作原理
• 3.4 色度坐标系统理论
• 3.4.1 CIE1931-RGB色度系统
• 3.4.2 归一化处理
• 3.5 彩色测温公式
• 3.6 本章小结
• 第四章 图像预处理技术
• 4.1 颜色模型
• 4.1.1 RGB颜色模型
• 4.1.2 HIS颜色模型
• 4.1.3 RGB与HSI的相互转换
• 4.2 图像的平滑处理
• 4.2.1 邻域平均法
• 4.2.2 中值滤波法
• 4.2.3 自适应滤波法
• 4.2.4 三种滤波方式的讨论
• 4.3 彩色图像的分割技术
• 4.3.1 阈值分割
• 4.3.2 边缘检测
• 4.3.3 电炉图像分割
• 4.3.4 提取图像颜色值
• 4.4 本章小结
• 第五章 神经网络的彩色温度软测量
• 5.1 神经网络介绍
• 5.1.1 一般神经元模型
• 5.1.2 人工神经网络学习
• 5.2 误差反传（BP）神经网络
• 5.2.1 BP神经网络结构
• 5.2.2 BP算法原理
• 5.3 RBF神经网络
• 5.3.1 RBF神经网络结构
• 5.3.2 RBF神经网络算法
• 5.3.3 小结
• 5.4 神经网络的彩色温度软测量
• 5.4.1 实验方案
• 5.4.2 图像预处理
• 5.4.3 BP神经网络法测温
• 5.4.4 RBF神经网络法测温
• 5.4.5 两种网络的测温比较及误差分析
• 5.5 本章小结
• 第六章 总结与展望
• 参考文献
• 致谢
• 附录1: 第五组样本图像及对应温度
• 附录2: 第五组训练样本温度及对应颜色值
• 附录3: 第五组测试样本温度及对应颜色值
• 附录4: 部分程序代码
• 攻读学位期间发表论文情况