基于图像小波包信息熵和遗传神经网络的气-液两相流流型识别

• 作者: 周云龙 孙斌 陈飞
• 来源期刊: 核动力工程
• 关键词: 流型识别 图像处理 小波包 遗传神经网络
• 年，卷（期）: 2008,（1）
• 所属期刊栏目: 热工与水力
• 页码范围: 115-120
• 页数: 6页
• 分类号: O359.1
• 语种: 中文

摘要

根据小波包变换能够将图像信号按不同尺度进行分解的特性,提出了基于图像小波包信息熵特征和遗传神经网络相结合的气-液两相流流型识别的新方法.该方法采用高速摄影系统获取水平管道内气-液两相流的流动图像,经过处理,对图像进行多分辨率分析,提取小波包变换系数的信息熵特征,用主成分分析法降低特征维数构成特征矢量,作为流型样本对遗传神经网络进行训练,实现了对流动图像的流型智能化识别.结果表明:图像小波包信息熵特征可以很好地反映各流型之间的差异;遗传神经网络结合遗传算法和BP算法各自优点,具有收敛速度快、不易陷入局部极小的特性,网络识别率为100%.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	周云龙		298	2173	22.0	30.0
2	孙斌		125	1172	17.0	28.0
3	陈飞		9	130	5.0	9.0