[發(fā)明專利]一種基于Hu不變矩-SVM相結(jié)合的焊縫圖像模式識(shí)別方法

在審

• 申請(qǐng)?zhí)枺?/td>: 202010630299.4
• 申請(qǐng)日: 2020-07-01
• 公開(kāi)（公告）號(hào): CN113888746A
• 公開(kāi)（公告）日: 2022-01-04
• 發(fā)明（設(shè)計(jì)）人: 呂學(xué)勤;廉杰;孟令政;吳胤伯;張揚(yáng)揚(yáng)
• 申請(qǐng)（專利權(quán)）人: 上海電力大學(xué)
• 主分類號(hào): G06V10/42
• 分類號(hào): G06V10/42;G06V10/774;G06V10/764
• 代理公司: 上海德昭知識(shí)產(chǎn)權(quán)代理有限公司 31204
• 代理人: 郁旦蓉

本發(fā)明提供了一種基于Hu不變矩?SVM相結(jié)合的焊縫圖像模式識(shí)別方法，用于實(shí)現(xiàn)對(duì)焊縫圖像進(jìn)行識(shí)別，包括如下步驟：基于Hu不變矩對(duì)所述焊縫圖像進(jìn)行特征提取，得到七維不變矩?cái)?shù)據(jù)；對(duì)SVM分類器進(jìn)行訓(xùn)練，通過(guò)求取目標(biāo)函數(shù)的最優(yōu)值來(lái)確定將不同類型的七維不變矩?cái)?shù)據(jù)分隔開(kāi)的超平面；將七維不變矩?cái)?shù)據(jù)輸入到所述SVM分類器中，使用超平面的分隔不同類型的七維不變矩?cái)?shù)據(jù)從而實(shí)現(xiàn)對(duì)所述焊縫圖像模式的識(shí)別。本發(fā)明僅保留了決定焊縫圖像類型的七維數(shù)據(jù)，刪除了眾多的圖像中冗余特征，降低了SVM分類器識(shí)別的難度，提高了識(shí)別的時(shí)間，即使在低訓(xùn)練樣本的情況下，依然具有很高的識(shí)別精度以及很好的魯棒性。

技術(shù)領(lǐng)域

本發(fā)明涉及數(shù)據(jù)識(shí)別領(lǐng)域，具體涉及一種基于Hu不變矩-SVM相結(jié)合的焊縫圖像模式識(shí)別方法。

背景技術(shù)

為了實(shí)現(xiàn)焊縫的檢測(cè)，需要系統(tǒng)自動(dòng)識(shí)別多種焊縫類型。隨著機(jī)器學(xué)習(xí)的發(fā)展，能夠?qū)崿F(xiàn)圖像識(shí)別的技術(shù)很多，常用的分類器有Logistic回歸、樸素貝葉斯模型、k近鄰、支持向量機(jī)(SVM)、決策樹(shù)和隨機(jī)森林以及BP神經(jīng)網(wǎng)絡(luò)。其中，SVM既可以用于線性分類，也可以用于非線性分類。通過(guò)調(diào)整核函數(shù)參數(shù)，將數(shù)據(jù)集映射到多維平面上，將二維線性不可分問(wèn)題轉(zhuǎn)化為多維線性可分問(wèn)題。

然而直接使用SVM識(shí)別原始的焊縫圖像，不僅精度較差，而且識(shí)別時(shí)間較長(zhǎng)。

發(fā)明內(nèi)容

本發(fā)明是為了解決上述問(wèn)題而進(jìn)行的，目的在于提供一種識(shí)別精度高識(shí)別時(shí)間短的基于Hu不變矩-SVM相結(jié)合的焊縫圖像模式識(shí)別方法。

本發(fā)明提供了一種基于Hu不變矩-SVM相結(jié)合的焊縫圖像模式識(shí)別方法，用于實(shí)現(xiàn)對(duì)焊縫圖像進(jìn)行識(shí)別，焊縫圖像包括：I型焊縫、V型焊縫、T型焊縫、搭接型焊縫、圓弧形焊縫以及無(wú)焊縫，具有這樣的特征，包括如下步驟：步驟1，基于Hu不變矩對(duì)焊縫圖像進(jìn)行特征提取，得到七維不變矩?cái)?shù)據(jù)；步驟2，對(duì)SVM分類器進(jìn)行訓(xùn)練，通過(guò)求取目標(biāo)函數(shù)的最優(yōu)值來(lái)確定將不同類型的七維不變矩?cái)?shù)據(jù)分隔開(kāi)的超平面；步驟3，將七維不變矩?cái)?shù)據(jù)輸入到SVM分類器中，使用超平面的分隔不同類型的七維不變矩?cái)?shù)據(jù)從而實(shí)現(xiàn)對(duì)焊縫圖像模式的識(shí)別。

在本發(fā)明提供的基于Hu不變矩-SVM相結(jié)合的焊縫圖像模式識(shí)別方法中，還可以具有這樣的特征：其中，Hu不變矩對(duì)焊縫圖像提取的特征是通過(guò)焊縫圖像的幾何矩和中心矩確定的。

在本發(fā)明提供的基于Hu不變矩-SVM相結(jié)合的焊縫圖像模式識(shí)別方法中，還可以具有這樣的特征：其中，焊縫圖像的(p+q)階幾何矩m_pq表示為：

式中，f(x,y)為連續(xù)圖像的灰度分布函數(shù)。

在本發(fā)明提供的基于Hu不變矩-SVM相結(jié)合的焊縫圖像模式識(shí)別方法中，還可以具有這樣的特征：其中，焊縫圖像的(p+q)階中心矩μ_pq表示為：

式中，f(x,y)為連續(xù)圖像的灰度分布函數(shù)，和代表著圖像的重心，定義為：

式中，m₁₀為焊縫圖像沿x軸方向一階矩，m₁₀為焊縫圖像沿y軸方向一階矩，m₀₀為圖像的零階矩。

在本發(fā)明提供的基于Hu不變矩-SVM相結(jié)合的焊縫圖像模式識(shí)別方法中，還可以具有這樣的特征：其中，當(dāng)焊縫圖像為數(shù)字離散圖像時(shí)，步驟1還包括將圖像離散化。

在本發(fā)明提供的基于Hu不變矩-SVM相結(jié)合的焊縫圖像模式識(shí)別方法中，還可以具有這樣的特征：其中，離散下的(p+q)階幾何矩m_pq表示為：

式中，f(x,y)為連續(xù)圖像的灰度分布函數(shù)。