欢迎来到天天文库
浏览记录
ID:51446023
大小:204.35 KB
页数:3页
时间:2020-03-24
《基于AdaBoost和Krawtchouk矩的刀具形状分类识别.pdf》由会员上传分享,免费在线阅读,更多相关内容在行业资料-天天文库。
1、文章编号:1672—0121(2012)04—0087-03基于AdaBoost和Krawtchouk矩的刀具形状分类识别赵敏,何卫平,雷蕾(西北工业大学现代设计与集成制造技术教育部重点实验室,陕西西安710072)摘要:针对刀具识别的特点,利用Krawtchouk矩在形状特征采集上的优势,将Krawtchouk不变矩作为刀具的形状特征向量,对特征数据利用AdaBoost算法设计刀具强分类器,实现刀具的分类识别与检测。经过实验,验证了本算法的有效性和可靠性。本研究对刀具全生命周期管理中的刀具信息追踪具有重要作用。关键词:机械制造;刀具分类;
2、形状识别;Krawtchouk矩;AdaBoost中图分类号:TG7l1文献标识码:A0引言矩(2003,Yap)【]作为刀具的形状特征向量。Krawtch—在刀具的全生命周期管理中,对刀具信息进行追ouk矩不但克服了连续矩的不足(离散化有误差)[21,踪,实现刀具身份的唯一标识是至关重要的。目前已且不需要进行坐标变换,与其他离散正交矩相比,又经证明最有效的刀具标识方法是由NASA提出的直可从任何感兴趣的图像区域中提取局部特征。接标刻(DirectPartMarking,DPM)和二维条码标识Krawtchouk矩不变量具有良好的平移、旋转
3、和尺度法(DataMatrix,DM)【ll。但这种方法并不是完美的,如不变性,满足特征提取的需要。但Krawtchouk矩也图像采集时会有金属反光、恶劣环境会严重磨损刀具有缺点,主要是计算量大和高阶数值发散_5l。因此,本等,都可能造成DM码识读失效,如果在DPM时采集文提出对刀具形状特征数据进行AdaBoost分类器刀具的形状特征图像,当刀具DM码追踪识读失效训练。AdaBoost算法是一种迭代算法,常用于多目标时,则可以通过该形状特征图像进行特征识别,从而分类、人脸检测、红外目标检测等,将AdaBoost用于有助于缩小标定范围,实现刀
4、具的身份验证。刀具分类,训练出刀具分类检测的强分类器,有助于由于刀具形状特征识别有自身的难点,如同类刀具信息的追踪和识别。刀具的形状图像非常相似,只有局部如刀头部分的区别,这就需要一种能区别图像局部区域的特征向1选取Krawtchouk矩为刀具形状特征量。针对这个问题,本文选取离散正交KrawtchoukKrawtchouk矩的核函数是由一系列的离散Krawtchouk多项式构成。凡阶Krawtchouk多项式的收稿日期:2012—01—17定义为:作者简介:赵敏(1986一),女,硕士在读,主攻模式识别与机器视觉Kn=(x,p,n)=0=
5、(、一凡,一,一Ⅳ;)研究=—+-一—卜”—_卜“-+-.·+-—+一“—卜一+·InfluenceofwaterquenchingandtemperingtreatmentonmicrostructureandpropertiesofFe-1.4C-15CralloyHUANGXiaoming(YunnanElectromechanicalVocationalCollege,Kunming650203,YunnanChina)其中,,n=O,1,⋯,N,P∈(0,1);2Fa(a,b,c,)是给下层分类器进行训练,最后将每次训练得到的分类
6、器最后融合起来,作为最后的决策分类器。使用超几何函数,其定义为:(口,6,,z)∑=0CAdaBoost分类器可以排除一些不必要的训练数据特征,并将关键放在关键的训练数据上面f6'7J。图1是亭;(口)为P。chhammer算子,其定义为:(口)=口(。+AdaBoost的分类器训练流程图。1)(n+2)⋯(。+一1)=±ra专,=专t0一lJ!。正样本集lI负样本集为抑制数值波动,需进行归一化处理,霞(,P,计算样本图形状特征向量Ⅳ):、霈K(,p,Ⅳ),其中加权函数:特征数据库补充负样本图c,p,Ⅳ=()pc·_p确定阈值,生成弱分类器
7、———]一负样本集p(n,P,Ⅳ)=l(1_P)弱分类器集对于一幅大小为N~M的图像,它的正则化AdaBoost算法训练强分类器Krawtchouk矩:强分类器集K肌=∑∑(,p,Ⅳ)(y,p,,y)级联分类器构造不变量:图1AdaBoost分类器训练基于AdaBoost的刀具特征分类器训练步骤:=,【p(,P,N)p(m,P,)r,2∑∑a/,n,pq,而第1步:选取n个训练样本(Y),⋯,(XnY)其中镌是每个样本的特征向量(霞K一,K~⋯,露:。,而善p,N)to(j'p’M)I⋯霞),yl代表样本分类:=1对应1个正样本(刀,一面)
8、cos0+cysin刎+等)具),yi=O对应m个负样本(非刀具),m+l=n。第2步:初始化权值-y)~os0-cn+等)f1/21,yi=1C“=1I1/2m,yi=O∑∑x
此文档下载收益归作者所有