1.基于生成核主成分热影像分析的复合材料缺陷检测方法，其特征在于：包括以下步骤：

步骤1、获取复合材料的热影像数据集：运行红外热成像IRT系统，工作闪光激发的热脉冲对试样进行加热，在热前沿接触实验试样的表面并穿过试样后，采用红外热相机记录试样表面的温度响应，提取到具有表观温度变化的区域即为热图像数据；

步骤2、热影像数据的扩增和预处理：建立谱归一化生成对抗网络SNGAN生成热图像：将在IRT检查记录的热图像作为训练样本，采用SNGAN生成仿真的热图像数据；将生成的热影像数据与原始的IRT实验数据合后作为建模数据进行预处理；

步骤3、建立核主成分分析模型：特征空间映射和投影矩阵计算：将步骤2预处理后的数据作为核主成分分析模型的训练数据，通过将其映射到高维特征空间实现线性可分，计算得到投影矩阵T；

步骤4、图像重构与缺陷可视化：投影矩阵T的每一列表示高维空间的数据在投影方向的主成分，将其重构成大小为nx×ny的二维矩阵，可视化后获得可识别到缺陷的主成分PC热图像；

步骤5、模型表现评估：采用评价指标评价该方法识别缺陷的能力。

2.根据权利要求1所述的基于生成核主成分热影像分析的复合材料缺陷检测方法，其特征在于所述步骤1中，红外影像数据集表示为维数为nx×ny×nt的三维矩阵，其表示共采集到nt帧nx×ny大小的热图像。

3.根据权利要求1所述的基于生成核主成分热影像分析的复合材料缺陷检测方法，其特征在于所述步骤2包括以下步骤：步骤2.1：建立谱归一化生成对抗网络SNGAN生成热图像：SNGAN图像扩增的网络结构包括一个用于学习数据分布的生成器G和一个用于从目标中区分数据真假的判别器D，将G生l

成的图像送入D，同时对D的每一层进行频谱归一化，使权矩阵W 满足Lipschitz约束算法σl

(W)＝1：

l

其中：W表示第l层的权矩阵(l＝1，…，L)；

l l

σ(W)为W的谱范数；

为谱归一化后的权矩阵。

直至判别器D无法鉴别生成器G产生的假热图像，SNGAN模型收敛，最终，训练好的SNGAN网络生成ng张仿真热图像；

步骤2.2：将SNGAN生成的热影像数据与原始的IRT实验数据合后形成一个三维的热影像数据集，随后将三维数据集扩展成一个(nt+ng)×(nx×ny)的二维矩阵X以满足建模需要；

为消除过程变量之间因量纲带来的差异性，先对矩阵X的每一行进行min‑max归一化处理；

再对X的每一列减去该列的平均值进行归一化处理，预处理后的矩阵仍记为X，两步归一化的公式如下：

行归一化公式如下：

其中：x'表示归一化后的图像样本(即矩阵的每一行)数据；

x表示通过摄像机记录的原始图像(即矩阵的每一行)；

xmin表示图像中的最小值；

xmax表示图像中的最大值；

列归一化公式如下：

其中： 表示列归一化后的数据；

表示矩阵X行归一化之后的列元素；

xmean表示矩阵X行归一化之后的列元素均值。

4.根据权利要求1或2所述的基于生成核主成分热影像分析的复合材料缺陷检测方法，其特征在于所述步骤3包括以下步骤：步骤3.1：特征空间映射：将预处理后的二维矩阵X输入到核主成分分析热成像(KPCT)模型中，通过一个非线性映射Φ，所有数据被映射到高维特征空间H中，则高维空间数据的协方差矩阵为：其中：xi为原始数据的第i个样本；

Φ(xi)为xi在特征空间H中的样本；

m为样本个数，m＝nx×ny；

步骤3.2：投影矩阵T的计算：T

定义一个m×m核矩阵K＝Φ(x) Φ(x)，则K的特征值分解表示为：Kw＝λw

其中：λ为K的特征值矩阵，w为对应的特征向量矩阵；

对上述的特征值分解等式进行恒等变形后带入K，得到：该等式等价表述为：

H

S[Φ(x)w]＝λ[Φ(x)w]T

则高维空间样本Φ(x)在投影方向上的分量为Φ(x) Φ(x)w，即投影矩阵T的计算公式为：

T＝Kw

选择高斯核函数计算得到K矩阵：其中：xi、xj分别为原始数据的第i个和第j个样本；

η为高斯核的宽度。

5.根据权利要求1或2所述的基于生成核主成分热影像分析的复合材料缺陷检测方法，其特征在于所述步骤4中，投影矩阵T的每一列表示高维空间的数据在投影方向的主成分，此处将其重构成大小为nx×ny的二维矩阵，可视化后获得可识别到缺陷的主成分PC热图像。

6.根据权利要求1或2所述的基于生成核主成分热影像分析的复合材料缺陷检测方法，其特征在于所述步骤5中，采用信噪比SNR和Fisher准则J作为评价指标，评价提出方法识别缺陷的能力，其中：

信噪比评价SNR：信噪比是缺陷区域与非缺陷区域的对比，信噪比越高，该方法识别缺陷的能力越大，计算方法如下：其中：Mdef为缺陷区域像素值的均值；

Min为非缺陷区域像素值的均值；

σin为非缺陷区域像素值的标准差；

J值评价：将Fisher准则引入热像分析领域，用于评价热像图中缺陷区域与完好区域的对比，J的定义如下：

其中：非缺陷区域的像素记录在一个类别中，缺陷区域的像素记录在另一个类别中，Sdef为热图缺陷区域像素的方差，Sin为完好区域像素的方差；

根据LDA原则，J越大表示类间距离越大，类内距离越小，表明缺陷区域与完好区域的分离程度越高。