[發明專利]一種面向裂縫圖像檢測的多源自適應平衡遷移學習方法在審
| 申請號： | 201910496225.3 | 申請日： | 2019-06-10 |
| 公開（公告）號： | CN110378872A | 公開（公告）日： | 2019-10-25 |
| 發明（設計）人： | 毛鶯池;唐江紅;王靜;劉凡;平萍;黃倩 | 申請（專利權）人： | 河海大學 |
| 主分類號： | G06T7/00 | 分類號： | G06T7/00;G06K9/62 |
| 代理公司： | 南京蘇高專利商標事務所(普通合伙) 32204 | 代理人： | 梁耀文 |
| 地址： | 211100 *** | 國省代碼： | 江蘇;32 |
| 權利要求書： | 查看更多 | 說明書： | 查看更多 |
| 摘要： | |||
| 搜索關鍵詞： | 大壩裂縫 裂縫圖像 目標數據 數據集 檢測 平衡 遷移 輔助數據集 相似性關系 輔助數據 裂縫檢測 權值收斂 算法基礎 圖像檢測 校正系數 權重法 小樣本 正系數 重要度 自適應 準確率 裂縫 學習 引入 圖片 | ||
1.一種面向裂縫圖像檢測的多源自適應平衡遷移學習方法，其特征在于，包括如下步驟：
(1)輸入多源輔助圖像數據集；
(2)對圖像進行K-means聚類，然后剔除與目標數據差異大的圖片；
(3)從裂縫圖像庫中丟棄與目標差異較大的輔助數據，并對分類器進行訓練；
(4)設置權值更新公式為自適應回補參數為以修改對應權值；其中，權值更新策略中增加矯正系數，矯正系數中引入了自適應回補參數，最后用最終平衡權重法將目標數據集最終權重重置為最后一次迭代中各領域輔助訓練集權重的平均值；
(5)更新權重向量，返回步驟(3)得到SVM強分類器；最后重置DT權重：將DT權重重置為迭代結束后每個Ds的平均權重；使用Ds和重置后DT共同訓練一個最終分類器。
2.根據權利要求1中所述的一種面向裂縫圖像檢測的多源自適應平衡遷移學習方法，其特征在于，所述步驟(2)中對圖像進行K-means聚類，然后剔除與目標數據差異大的圖片的具體步驟如下：
(2.1)首先將裂縫圖像庫中圖像Xi(i＝1,2,...,n)進行灰度化，依次存儲到一維矩陣DX中；
(2.2)接著以10像素長度，3像素移動步長依次進行分塊存儲，記錄每小塊的首位置，得到n個像素塊數據集，從中任意選擇30個圖像小塊的灰度均值作為初始聚類中心；
(2.3)根據每個圖像矩陣小塊的灰度均值，利用歐幾里得距離，如下公式所示，計算這些對象與30個圖像樣本聚類中心的距離；并根據最小距離重新對相應圖像小塊灰度均值進行劃分，將每個圖像矩陣小塊賦給最相近的類；
其中，dis(xi,yj)為兩數據對象xi和yj之間的距離；當dis(xi,yj)值越大，說明xi和yj越相似；當dis(xi,yj)值越小，說明xi和yj差距越大；
(2.4)重新計算每個有變化的圖像小塊像素灰度均值的質心；
(2.5)重復上述步驟(2.3)、步驟(2.4)直至各個數據類的集合中心不再發生變化為止；
將輸入的圖像矩陣以像素塊的形式儲存后，運用K-means聚類算法對像素矩陣塊進行聚類，將聚類集中像素塊的中心到聚類中心的歐式距離進行排序，聚類距離遠的圖片進行刪除。
該專利技術資料僅供研究查看技術是否侵權等信息，商用須獲得專利權人授權。該專利全部權利屬于河海大學，未經河海大學許可，擅自商用是侵權行為。如果您想購買此專利、獲得商業授權和技術合作，請聯系【客服】
本文鏈接：http://www.szxzyx.cn/pat/books/201910496225.3/1.html，轉載請聲明來源鉆瓜專利網。
