[發(fā)明專利]一種基于One-Class SVM的貼片LED瑕疵標(biāo)注方法

在審

• 申請(qǐng)?zhí)枺?/td>: 202010480396.X
• 申請(qǐng)日: 2020-05-30
• 公開(kāi)（公告）號(hào): CN111724353A
• 公開(kāi)（公告）日: 2020-09-29
• 發(fā)明（設(shè)計(jì)）人: 董延超;寧少淳;王浩天;冀玲玲
• 申請(qǐng)（專利權(quán)）人: 同濟(jì)大學(xué)
• 主分類號(hào): G06T7/00
• 分類號(hào): G06T7/00;G06T5/00;G06K9/62
• 代理公司: 上海科盛知識(shí)產(chǎn)權(quán)代理有限公司 31225
• 代理人: 應(yīng)小波

1.一種基于One-Class SVM的貼片LED瑕疵標(biāo)注方法，其特征在于，包括：

步驟1：獲取貼片LED圖像；

步驟2：建立分類器模型；

步驟3：使用分類器模型中的One-Class SVM分別對(duì)圖像的像素點(diǎn)進(jìn)行檢測(cè)，對(duì)圖像進(jìn)行分類，分類器模型判斷圖像是否為瑕疵類圖像，若是，則執(zhí)行步驟4，否則，將圖像直接輸出為非瑕疵類圖像；

步驟4：分別對(duì)瑕疵類像素點(diǎn)和非瑕疵類像素點(diǎn)進(jìn)行標(biāo)注；

步驟5：對(duì)標(biāo)注后的瑕疵類圖像進(jìn)行去噪處理，獲得經(jīng)過(guò)精細(xì)化標(biāo)注的瑕疵類圖像。

2.根據(jù)權(quán)利要求1所述的一種基于One-Class SVM的貼片LED瑕疵標(biāo)注方法，其特征在于，所述步驟1中的貼片LED圖像包括訓(xùn)練圖像、測(cè)試圖像和經(jīng)過(guò)粗標(biāo)注的瑕疵類圖像；所述的訓(xùn)練圖像包括非瑕疵圖像；所述的測(cè)試圖像包括非瑕疵圖像和瑕疵類圖像。

3.根據(jù)權(quán)利要求2所述的一種基于One-Class SVM的貼片LED瑕疵標(biāo)注方法，其特征在于，所述的步驟2具體為：

分別使用所有訓(xùn)練圖像中每個(gè)處于相同位置處的像素點(diǎn)訓(xùn)練一個(gè)One-Class SVM分類器，最終獲得分類器模型，然后通過(guò)測(cè)試圖像和經(jīng)過(guò)標(biāo)注的瑕疵類圖像對(duì)分類器模型進(jìn)行測(cè)試。

4.根據(jù)權(quán)利要求3所述的一種基于One-Class SVM的貼片LED瑕疵標(biāo)注方法，其特征在于，所述的分類器模型包括若干個(gè)One-Class SVM分類器，若干個(gè)One-Class SVM分類器通過(guò)投票法獲得圖像分類結(jié)果。

5.根據(jù)權(quán)利要求3所述的一種基于One-Class SVM的貼片LED瑕疵標(biāo)注方法，其特征在于，所述的One-Class SVM分類器采用支持向量數(shù)據(jù)描述SVDD作為單分類SVM方法；所述的支持向量數(shù)據(jù)描述SVDD具體為：

步驟2-1：建立SVDD模型；

步驟2-2：求解SVDD模型獲得超球體半徑和超球體中心。

6.根據(jù)權(quán)利要求5所述的一種基于One-Class SVM的貼片LED瑕疵標(biāo)注方法，其特征在于，所述的SVDD的目標(biāo)函數(shù)為：

其中，V(r)為超球體的體積；C為懲罰系數(shù)；為松弛變量；x_i為第i個(gè)訓(xùn)練樣本；o為超球體的中心點(diǎn)；r為超球體的半徑。

7.根據(jù)權(quán)利要求5所述的一種基于One-Class SVM的貼片LED瑕疵標(biāo)注方法，其特征在于，所述的步驟2-2使用拉格朗日乘子法求解超球體的中心點(diǎn)o和超球體的半徑r，具體為：

首先構(gòu)造優(yōu)化問(wèn)題的拉格朗日公式：

其中，α_i和γ_i均為拉格朗日乘子，并且都大于0；

然后對(duì)參數(shù)求導(dǎo)并令導(dǎo)數(shù)等于0得到：

將結(jié)果代入到拉格朗日公式，得到：

則原問(wèn)題的拉格朗日對(duì)偶問(wèn)題為：

其中K(x_i,x_j)為特征空間中樣本的內(nèi)積；

之后對(duì)上式進(jìn)行求解，得到球心和半徑分別為：

其中，x_v屬于支持向量樣本集合，拉格朗日系數(shù)滿足0α_i＜C的樣本稱為支持向量。

8.根據(jù)權(quán)利要求1所述的一種基于One-Class SVM的貼片LED瑕疵標(biāo)注方法，其特征在于，所述的步驟3具體為：

將測(cè)試圖像輸入分類器模型，分類器模型中每個(gè)One-Class SVM分類器分別判斷圖像每個(gè)像素點(diǎn)是否為瑕疵點(diǎn)，即判斷新的像素點(diǎn)到超球體中心的距離是否大于超球體半徑，然后通過(guò)投票法確定圖像的分類結(jié)果。