[發明專利]基于成組小波-變分關聯向量機斷口圖像識別方法

有效

• 申請號: 201510296871.7
• 申請日: 2015-06-02
• 公開（公告）號: CN104966088B
• 公開（公告）日: 2018-10-23
• 發明（設計）人: 李志農;孫熠;陶春虎
• 申請（專利權）人: 南昌航空大學
• 主分類號: G06K9/46
• 分類號: G06K9/46;G06K9/62
• 代理公司: 南昌市平凡知識產權代理事務所 36122
• 代理人: 歐陽沁

1.基于成組小波-變分關聯向量機斷口圖像識別方法，采用Grouplet變換處理斷口圖像，得到圖像的Grouplet系數子帶；針對各頻帶輸出的Grouplet系數進行計算，得到Grouplet調和熵、Grouplet平均能量和Grouplet峭度的斷口圖像特征數據；然后，建立VRVM斷口圖像識別模型； 在傳統的概率模型中，隨機變量可分為觀測數據D和非觀測變量θ；其中，觀測數據D的邊緣概率密度為：P(D)＝∫P(D,θ)dθ；

其特征在于，在建立VRVM斷口圖像識別模型時，將傳統的概率模型的非觀測數據的邊緣概率密度的積分計算形式，改為先進行對數計算，再相加，然后，選擇一個合適的分布Q(θ)來改進計算的復雜程度；為此，對于參數θ，將上式寫成：

LnP(D)＝L(Q)+K_L(Q|P)；

式中：

其中，采用的相似分布Q(θ)是概率密度P(D,θ)和后驗分布K_L(Q|P)之間的相對熵距離差：

這里，K_L(Q|P)≥0，且L(Q)+K_L(Q|P)是Q的獨立分布，因此最大化L(Q)相當于最小化的K_L(Q|P)，結合上式L(Q)和K_L(Q|P)的表達式，Q(θ)就是P(θ|D)的近似分布；考慮到P(D)＝∫P(D,θ)dθ和參數θ的變形形式{θ_i}，Q(θ)可定義為：

其中：

其中，＜lnP(D,θ)＞_k≠i是Q_k(θ_k)分布的期望，其中k≠i；

然后，通過循環迭代更新得到最終的值；

對于斷口圖像的分類器，給出輸入數據的邊緣概率為：

lnP(T|X)＝ln∫∫P(T|X,ω)P(ω|α)P(α)dωdα；

根據以上的思路，改進的關聯向量機可近似得到：

lnP(T|X)≥L＝<lnF>+<lnP(ω|α)>+<lnP(α)>-<lnQ_w(ω)>-<lnQ_a(α)>；

其中：

這樣，完成VRVM斷口圖像識別模型的建立；

最后，利用提取的Grouplet調和熵、Grouplet平均能量、Grouplet峭度輸入到建立的VRVM斷口圖像識別模型中進行訓練和識別。