基于光斑图像特征的飞秒激光烧蚀功率分类模型研究
【摘要】 针对光晕导致的光斑图像边缘模糊的特点，采用Niblack局部阈值分割得到光斑目标区域，并提取光斑的几何特征;以Niblack分割得到的图像边缘对原始光斑图像进行裁剪，得到去除光晕影响的光斑目标灰度图像，在此基础上提取该区域光斑图像亮度，结合光斑几何特征构造6维特征矩阵。分别采用BP神经网络、线性局部切空间排列LLTSA-BP网络、局部保持投影LPP-BP模型对烧蚀功率进行识别;进一步采用极限学习机（ELM-ExtremeLearningMa-chine）、LLTSA-ELM和LPP-ELM降维模型，基于降维后的特征矩阵进行烧蚀功率分类。对比研究发现BP神经网络在对6维特征矩阵分类时收敛时间比ELM分类模型短，所需隐含层神经元个数少。而流形学习-ELM模型则在对降维之后的数据分类时表现较优，所需时间远远小于BP神经网络模型的处理时间，其中LPP-ELM模型对光斑的分类效果最优。
