-
题名航空发动机叶型图像检测神经网络配准算法
- 1
-
-
作者
王朝虎
卢洪义
吴文勇
李林蔚
熊双
-
机构
南昌航空大学动力与能源学院
-
出处
《电子测量技术》
北大核心
2025年第8期55-70,共16页
-
基金
江西省重点基金(20201BBE51002)项目资助。
-
文摘
针对传统的ORB算法在航空发动机叶型图像拼接下,特征点检测数量不稳定,出现误检、漏检、尺寸不变性较差,以及拼接精度低等问题,本文开展了叶型图像拼接实验研究,并提出了一种结合卷积神经网络改进的角点检测ORB-CNN算法。该算法的思想为:应用改进后的角点检测算法在构建图像金字塔下实现不同尺度下的角点提取,在特征点检测阶段,使用卷积神经网络(CNN)替代FAST算法中的16像素圆环所建立FAST-n检测,根据领域像素数量,在CNN中添加卷积层,即添加设计卷积核,提取图像中与FAST-n检测相关的特征。采用BRIEF方法获取检测特征点描述子,计算Hamming距离,实现了特征点的精准匹配。实验结果表明,对比于传统ORB算法以及SIFT算法,改进后的算法特征点提取均匀度分别提升了18.83%、33.36%。在光照变化实验中,改进算法在强光和暗光条件下的特征点匹配精度分别提升了16.63%和19.04%。在尺寸不变性及旋转不变性测试中,改进算法在图像缩放和旋转后仍能稳定匹配特征点,对比原ORB算法及SIFT算法,其特征点偏距及匹配精确率分别提升了66.95%、64.26%、12.63%、6.62%。该方法有效克服了传统ORB算法在尺寸不变性层面的局限性,还保留了ORB算法在配准速度及质量上的优势,显著提升了在复杂环境下的检测性能和鲁棒性,为航空发动机叶型间隙非接触测量奠定了基础。
-
关键词
叶型间隙
ORB算法
SIFT算法
图像拼接
尺寸金字塔
汉明距离
-
Keywords
leaf profile gap
ORB algorithm
SIFT algorithm
image stitching
size pyramid
Hamming distance
-
分类号
TN06
[电子电信—物理电子学]
-
