[發(fā)明專利]基于成組小波-變分關(guān)聯(lián)向量機斷口圖像識別方法

有效

• 申請?zhí)枺?/td>: 201510296871.7
• 申請日: 2015-06-02
• 公開（公告）號: CN104966088B
• 公開（公告）日: 2018-10-23
• 發(fā)明（設(shè)計）人: 李志農(nóng);孫熠;陶春虎
• 申請（專利權(quán)）人: 南昌航空大學(xué)
• 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(chǎn)權(quán)代理事務(wù)所 36122
• 代理人: 歐陽沁

本發(fā)明公開了一種基于成組小波?變分關(guān)聯(lián)向量機斷口圖像識別方法，首先，采用成組小波(Grouplet)變換處理斷口圖像，對Grouplet系數(shù)分別計算Grouplet調(diào)和熵、Grouplet峭度和Grouplet平均能量這3個特征向量，然后，將特征數(shù)據(jù)送入變分關(guān)聯(lián)向量機(VRVM)分類器進行識別。該方法特色在于吸收了成組小波和變分關(guān)聯(lián)向量機的所有優(yōu)點，與現(xiàn)有的圖像識別方法相比較，提出的方法在圖像識別方面具有明顯的優(yōu)勢，不僅提高了圖像的識別率，而且識別速度大幅度得到了提高，并且隨著訓(xùn)練樣本數(shù)量的增加，這種優(yōu)勢表現(xiàn)得越明顯，在圖像處理中具有廣闊的應(yīng)用前景。

技術(shù)領(lǐng)域

本發(fā)明涉及圖像處理的方法，特別涉及一種基于成組小波-變分關(guān)聯(lián)向量機金屬斷口圖像識別方法。

背景技術(shù)

在機械裝備的各類失效中，以斷裂失效最主要、危害最大，斷裂失效的診斷與分析一直是人們非常重視的研究課題之一，而斷口圖像的模式識別與分類是進行斷裂故障智能化分析的關(guān)鍵性問題。由于小波變換在時域和頻域同時具有良好的局部化特性，可有效地提取斷口圖像的紋理信息，目前，已經(jīng)成為金屬斷口圖像特征提取的主要方法^[1-5]。然而，隨著問題的研究深入，小波變換方法在金屬斷口圖像處理中的不足也充分暴露出來，由于小波基的支撐區(qū)間是正方形，不能有效逼近奇異性曲線；小波變換只能獲取圖像有限的方向信息，不能充分地利用圖像本身的幾何正則性。另外，小波變換中的小波基和參數(shù)如何選擇對金屬斷口圖像識別具有重要影響，而如何選擇最佳的小波基和參數(shù)，目前，并沒有任何依據(jù)。

因此，針對基于小波變換在金屬斷口方法在金屬斷口圖像識別方面存在的不足，迫切需要尋求新的金屬斷口圖像識別方法。為此，李志農(nóng)博士將超小波分析思想引入到金屬斷口圖像處理中，并進行了深入研究^[6-9]。文獻[6,7]結(jié)合Contourlet變換和RVM的各自優(yōu)點，提出一種基于Contourlet-RVM的航空構(gòu)件斷口形貌識別方法，即以Contourlet變換進行特征提取，以RVM為分類器，對金屬斷口形貌進行識別。同時，將提出的方法與Contourlet-SVM識別方法進行對比分析。文獻[8,9]將Bandelet變換應(yīng)用于金屬斷口圖像處理中，提出了基于Bandelet變換的金屬斷口圖像識別方法，并進行了實驗驗證。然而，隨著問題的研究深入，現(xiàn)有的一些超小波分析方法的弊端也逐步顯現(xiàn)出來了，如當(dāng)圖像的幾何結(jié)構(gòu)比較復(fù)雜時，Bandlet變換表示圖像并不是很好，原因在于幾何流計算的不準(zhǔn)確性和它比較難逼近。Contourlet變換和小波變換一樣，存在一個共同的不足，即缺乏平移不變性，在處理圖像的奇異點(邊緣或紋理)附近會產(chǎn)生偽Gibbs現(xiàn)象，重構(gòu)后的圖像在奇異點附近交替出現(xiàn)較大的上下幅值振動。另外，Contourlet變換的低頻變換(LP分解)是有冗余的，其冗余度為4/3。基于此，需要提出新的x-let變換來解決現(xiàn)有方法存在的不足。