基于浓度特征向量的目标识别与分类.pdf

基于浓度特征向量的目标识别与分类.pdf

ID:54367107

大小:177.86 KB

页数:5页

时间:2020-04-29

基于浓度特征向量的目标识别与分类.pdf_第1页
基于浓度特征向量的目标识别与分类.pdf_第2页
基于浓度特征向量的目标识别与分类.pdf_第3页
基于浓度特征向量的目标识别与分类.pdf_第4页
基于浓度特征向量的目标识别与分类.pdf_第5页
资源描述:

《基于浓度特征向量的目标识别与分类.pdf》由会员上传分享,免费在线阅读,更多相关内容在应用文档-天天文库

1、刘更谦等:基于浓度特征向量的目标识别与分类基于浓度特征向量的目标识别与分类!刘更谦!高金莲张明路岳宏(河北工业大学机械工程学院天津300130)摘要提出了一种新的基于零件浓度特征向量的目标识别与分类技术,以及由零件图像特征信息所构成的浓度特征信息的合理性验证方法。该技术不仅能够准确地反映目标图像的局部结构特征与整体结构特征之间的关系,而且较好地解决了计算机描述零件图像的特征信息的负担过重问题。实验表明,该技术具有识别准确、计算机负担小的优点。关键词目标识别,特征提取,浓度特征向量,神经网络方面取

2、得了成功[1-5]。如文献[3]提出了利用主元分0引言析法对人脸识别进行特征信息降维的方法,文中采集图像按行展开为1024维,即32>32点阵数据,降我国的石油化学工业已具有相当规模和一定基至20维。文中述及的实验也表明取得了较好识别础,1990年原油加工能力已达1.44亿吨,居世界第结果。但采集后机械零件数字图像若为32>32点四位,而与1990年相比,2000年原油加工能力又翻阵,势必造成局部结构模糊,特征信息丢失严重。了一番。但是,石油化工行业由于其特殊性,也极易因此,探索一种较大程度地保

3、留特征信息的向发生恶性事故。据资料报道,建国后50年来,我国量降维方法是解决该类目标图像识别分类的关键。石油化工系统共发生了重(特)大典型泄漏事故51为此,本文提出了一种基于浓度特征向量的目标识起,大型泄漏事故1021起,中小型泄漏事故更多。别技术。经分析发现,这些事故大部分均是由于各类反应器1浓度特征向量的构成算法研究及其附近管道的泄漏引起的。为此,国家石化部门规定,必须对化学反应器及其附近管道的以下8种!.!浓度特征向量的定义部位进行检测,即:接头、阀门、机械密封、垫片、密封所谓浓度特征就是

4、按规定规则求得的目标标本填料、玻璃观测窗、检查口、计量仪表等,以便有针对点浓度值的集合。性地进行自主封堵和修补。浓度值是以标本点为中心的邻域内各像素点状为了为移动机械手的自主封堵和修补提供准确态值加权求和所得的值,浓度特征计算可表述如下。信息,必须利用移动机械手上的图像处理系统对上设目标在二维点阵(x,})坐标处的状态值为述8个目标进行准确识别。上述8个目标属于机械(fx,}),则:结构图,是较为复杂的图形之一,数字化后,点阵图1实点(fx,})={(1)像失去了原有的拓扑结构,待提取和识别的特

5、征信0空点息较多,由此构成的特征向量加载分类器后往往造在网格阵列中按等间隔设置若干标本点,设成向量“维数灾难”,以致识别分类困难。M(i,j)对应以标本点为中心的邻域内各像素点状特征信息的适当提取是模式态值一加权矩阵,则标本点(xs,}s)浓度值i(xs,}s)识别、图像理解或信息量降维的基为:本方法,是减少分类器时间和存储nmi(xs,}s)=!!M(i,j)·(fxs+i,}s+j)(2)开销,避免维数灾难的有效处理手i=1j=1段。随着神经网络技术的发展,基式中,n,m为标本点(xs,}s

6、)为中心的二维邻域范于神经网络技术的图像识别在某些围,这一邻域范围我们称之为子域。该浓度值被称"863计划(2003AA421040)资助项目。!男,1965年生,副教授;研究方向:机器人技术;联系人。(收稿日期:2003-12-08)—65—高技术通讯2004.11为子域浓度。等预处理,在此不再赘述。该算法优点是目标图像的畸变和噪音对浓度特征影响不大。2提取特征信息的要求及验证特征向定义1:将以分割子域的实空状态构成的特征量合理性的依据向量称为实空状态特征向量(简称实空特征向量)。定义2:分割

7、后子域浓度构成的特征向量称为选用人工神经网络作为模式分类器时,特征信浓度特征向量。息提取需解决以下两个问题:(1)特征信息应为代表!."浓度特征向量的构成与提取算法一类模式共同特征的本质属性,即对分类贡献较大设某零件为空域上一r>r点阵图像,采用的特征;(2)应尽量减小以此构成的特征向量维数,m>m正方型窗口对图像进行分割,窗口游程包括即特征向量降维。这两个问题本身是一对矛盾,成宽度游程和高度游程;宽度和高度游程为r/m,其功解决且得到理想结果,在技术处理上是有一定难中r为m的整数倍,游程步长为

8、窗口的面积m2,由度的。此完成图像的等间隔分割。特征向量的构成是否合理,是识别过程中模式设P=r/m,上述数学描述为:!r>r为图像点空间能否正确地变换到类别空间的前提。本文认为阵构成的空间域矩阵衡量特征向量的合理性主要考虑以下几个因素:æx11x12⋯x1rö(1)加载网络后,对不同结构的零件样本识别çx21x22⋯x2r÷!rXr=ç÷(3)能力强,能够将其正确地划入不同类别空间;ç⋯⋯⋯⋯÷ç÷(2)结构相同的零件,其特征向量加载网络后,èxr1xr2⋯xrrø识别结果一致;分割后,(3)

当前文档最多预览五页,下载文档查看全文

此文档下载收益归作者所有

当前文档最多预览五页,下载文档查看全文
温馨提示:
1. 部分包含数学公式或PPT动画的文件,查看预览时可能会显示错乱或异常,文件下载后无此问题,请放心下载。
2. 本文档由用户上传,版权归属用户,天天文库负责整理代发布。如果您对本文档版权有争议请及时联系客服。
3. 下载前请仔细阅读文档内容,确认文档内容符合您的需求后进行下载,若出现内容与标题不符可向本站投诉处理。
4. 下载文档时可能由于网络波动等原因无法下载或下载错误,付费完成后未能成功下载的用户请联系客服处理。