[發(fā)明專(zhuān)利]一種基于KLR算法的鋼箱梁裂紋檢測(cè)效率優(yōu)化方法

在審

• 申請(qǐng)?zhí)枺?/td>: 202211229427.X
• 申請(qǐng)日: 2022-10-09
• 公開(kāi)（公告）號(hào): CN115578345A
• 公開(kāi)（公告）日: 2023-01-06
• 發(fā)明（設(shè)計(jì)）人: 向衛(wèi)
• 申請(qǐng)（專(zhuān)利權(quán)）人: 南京視測(cè)通機(jī)器人科技有限公司
• 主分類(lèi)號(hào): G06T7/00
• 分類(lèi)號(hào): G06T7/00;G06F17/11;G06F17/16;G06F17/18
• 代理公司: 鄭州銘科知識(shí)產(chǎn)權(quán)代理事務(wù)所(普通合伙) 41209
• 代理人: 李欣瞻

1.一種基于KLR算法的鋼箱梁裂紋檢測(cè)效率優(yōu)化方法，其特征在于，具體包括以下步驟：

S1、NSCT變換提取特征；

S2、獲取圖像中存在的奇異點(diǎn)，利用NSP對(duì)原圖像進(jìn)行多尺度分解可達(dá)成此目的，第一次NSP分解將圖像分解為低頻和高頻兩個(gè)部分，按照如上原則，進(jìn)行遞歸，對(duì)低頻部分做進(jìn)一步的NSP分解，即可實(shí)現(xiàn)圖像的多尺度分解；NSDFB是一個(gè)雙通道的濾波器，利用NSDFB對(duì)經(jīng)NSP分解后得到的高頻分量進(jìn)行多方向分解，將分布在同方向的奇異點(diǎn)合成NSCT的系數(shù)；

S3、NSCT變換提取特征，具體實(shí)現(xiàn)步驟如下：

S301、對(duì)每一幅樣本圖像進(jìn)行NSCT分解，得到多個(gè)NSCT子帶圖像；

S302、對(duì)得到的所有NSCT子帶圖像分別計(jì)算均值和方差統(tǒng)計(jì)量；

S303、對(duì)每一幅樣本圖像的統(tǒng)計(jì)特征行向量從上到下拼接組成一個(gè)NSCT特征矩陣；

S304、將所有圖像區(qū)分為奇數(shù)號(hào)和偶數(shù)號(hào)，并將偶數(shù)號(hào)樣本圖像作為訓(xùn)練集，奇數(shù)號(hào)樣本圖像作為測(cè)試集，對(duì)兩組數(shù)據(jù)集組成的特征矩陣歸一化處理；

S4、KLR算法降維，構(gòu)造擬合直線(xiàn)L，選擇n個(gè)有效點(diǎn)的作為擬合直線(xiàn)L備用數(shù)據(jù)，第i個(gè)數(shù)據(jù)點(diǎn)對(duì)應(yīng)樣本集中的Gi；如果i和j屬于同一類(lèi)樣本時(shí)，則在數(shù)據(jù)點(diǎn)i和j之間可直接連接，反之，數(shù)據(jù)點(diǎn)i和數(shù)據(jù)點(diǎn)j之間無(wú)法直接連接，按上述規(guī)則構(gòu)成的初步擬合直線(xiàn)可以模擬高維空間中的低維狀態(tài)；

S5、確定權(quán)重W，當(dāng)數(shù)據(jù)點(diǎn)i和j直接相連時(shí)，wij＝1/nk,其中，nk表示第k類(lèi)樣本的數(shù)量,滿(mǎn)足m是類(lèi)別數(shù)量，當(dāng)數(shù)據(jù)點(diǎn)i和j之間無(wú)法直接連接時(shí)，wij＝0；

S6、計(jì)算響應(yīng)向量x，假設(shè)直線(xiàn)L的擬合可用直線(xiàn)x＝[x₁,x₂,......,x_N]^T近似表示，并定義優(yōu)化目標(biāo)為

s.t.x^TPx＝1；

S7、正則化引入，對(duì)線(xiàn)性函數(shù)y_i＝f(x_i)＝q^Tx_i，其中qk為的解，易看出，等價(jià)于求解一組線(xiàn)性方程(xx^T+βI)q_k＝xy_k，其中I為同階的單位矩陣；

為了提升性能，再引入核化概念，將原問(wèn)題轉(zhuǎn)換為求解正則核最小二乘的問(wèn)題：(K+βI)p_k＝y(tǒng)_k；

S8、KLR算法應(yīng)用，利用得到的特征向量構(gòu)造投影矩陣Θ＝[q₁,q₂,...,q_m-1]，KLR算法先通過(guò)擬合直線(xiàn)降低復(fù)雜度，再通過(guò)解最小二乘方程得到高維數(shù)據(jù)向低維數(shù)據(jù)映射的矩陣，樣本數(shù)據(jù)通過(guò)下式轉(zhuǎn)化到m-1維子空間中；

x→z＝Θ[K(x₁,x),...,K(x_n,x)]^T；

S9、歸一化處理，采用min-max歸一化法，對(duì)原始數(shù)據(jù)進(jìn)行線(xiàn)性變換，將結(jié)果映射到[0,1]之間，公式如下：

2.根據(jù)權(quán)利要求1所述的一種基于KLR算法的鋼箱梁裂紋檢測(cè)效率優(yōu)化方法，其特征在于，所述S1中，NSCT(Nonsubsampled Contourlet Transform)變換由兩個(gè)部分組成，NSCT變換由Nonsubsampled金字塔(NSP：Nonsubsampled Pyramid)和Nonsubsampled方向?yàn)V波器(NSDFB)兩個(gè)部分組成。

3.根據(jù)權(quán)利要求2所述的一種基于KLR算法的鋼箱梁裂紋檢測(cè)效率優(yōu)化方法，其特征在于，首先由NSP對(duì)輸入圖像進(jìn)行塔形分解，以此來(lái)獲得高通子帶和低通子帶兩個(gè)部分，然后經(jīng)過(guò)NSDFB的作用，高頻子帶將被分解為多個(gè)方向子帶以待使用，而低頻部分將被繼續(xù)分解，直至最終。

4.根據(jù)權(quán)利要求1所述的一種基于KLR算法的鋼箱梁裂紋檢測(cè)效率優(yōu)化方法，其特征在于，所述S4中，KLR基于擬合直線(xiàn)和回歸模型，通過(guò)把廣義特征值分解轉(zhuǎn)化為最小二乘擬合直線(xiàn)和回歸問(wèn)題，避免了分解矩陣的廣義特征值過(guò)于繁瑣復(fù)雜的問(wèn)題，有效降低了降維困難和時(shí)間復(fù)雜度，同時(shí)，為了提升維數(shù)約簡(jiǎn)算法的性能，又引入正則化項(xiàng)。