基于鲁棒主成分分析的运载火箭焊缝射线数字成像分类方法

运载火箭焊缝射线数字图像自动检测技术主要是对运载火箭焊缝射线数字图像进行分类,而实际生产过程中获取的图像数量庞大,对全部图像进行标注会浪费大量的人力和物力。针对先验的监督信息能够提高目标提取的精度,以及去除图片中的背景可以提高分类精度的问题,本文提出了基于鲁棒主成分分析（RPCA）的拉普拉斯特征映射（LE）正则化半监督目标特征提取算法（SSRLE）。SSRLE以RPCA为基础,在保证数据全局结构的基础上,通过加入自适应邻域图权重矩阵LE正则化保证数据的局部结构,并排除了经典LE算法中近邻值k的影响。在先验信息的作用下,该方法可以很好地分离目标与背景。利用目标数据与监督信息训练线性分类器,并结合与流形平滑假设实现对无标记数据的预测,从而达到较好的分类效果。最后,本文通过实验验证了所提出的算法的有效性,比较了不同半监督算法的分类效果,证明了本文所提方法优于其他方法。