欢迎来到知嘟嘟! 联系电话:13095918853 卖家免费入驻,海量在线求购! 卖家免费入驻,海量在线求购!
知嘟嘟
我要发布
联系电话:13095918853
知嘟嘟经纪人
收藏
专利号: 2013104851501
申请人: 江南大学
专利类型:发明专利
专利状态:已下证
专利领域: 计算;推算;计数
更新日期:2023-10-11
缴费截止日期: 暂无
价格&联系人
年费信息
委托购买

摘要:

权利要求书:

1.一种基于机器视觉的表面瑕疵检测的纹理特征降维方法,其特征是,包含如下几个步骤:(1)找出与类别相关性强的特征,首先剔除安全样本和噪声样本,然后计算模糊差异度量,并对每一维特征权值进行迭代,找出权值较小的特征,由此得到所有特征状态标志向量mark1;

(2)去除冗余特征,包含如下步骤:

(2.1)将训练样本Xnew的所有特征按照特征权值大小降序排列,第一列所在特征对应权值最大,第二类次之,依次类推直到第m列,计算相关系数矩阵RHO:

其中 其中i,j=1,2…m称为第i维特征向量vi与第j维特征向量为vj之间的相关系数,cov(vi,vj)是vi与vj之间的协方差,σi和σj分别是vi和vj的标准差,RHO第i行表示第i个特征与所有特征之间的相关系数,ρij的值为零时,表示vi与vj为线性不相关,|ρij|越大,表示vi与vj之间相关性越大;

(2.2)计算阈值TH2,取相关系数矩阵绝对值,即RHO=|RHO|,先令对角线上的元素ρii=

0,再根据下面的式子得到阈值:

初始化1*m维特征状态标志向量mark2,令其每个元素均为1;

(2.3)找出与权值最大的特征之间相关系数最大的特征,并比较该相关系数与阈值TH2的大小关系,如果大于TH2,则将该特征作为冗余特征删除,并在mark2中将与该特征对应的状态标志位置为0,否则置为1,移除权值最大的特征;

(2.4)找出与剩余特征中权值最大的特征之间相关系数最大的特征,并比较该相关系数与阈值TH2的大小关系,如果大于TH2,则将该特征作为冗余特征删除,并在mark2中将与该特征对应的状态标志位置为0,否则置为1,移除权值最大的特征,以此类推,重复该过程,直到把权值最小的冗余特征也去除为止;

(3)将mark1和mark2按位与运算得到mark即为最终所有特征的状态标志向量mark,存储状态标志向量mark,用于在线特征提取过程。

2.根据权利要求1所述基于机器视觉的表面瑕疵检测的纹理特征降维方法,其特征是:所述步骤(1)中找出与类别相关性强的特征,包含如下步骤:(1.1)剔除安全样本和噪声样本;对于n*m维的训练样本特征矩阵X中的每一个样本xn,计算出它与其余样本之间的欧式距离;找出与xn距离最小的5个样本训练,判断这5个训练样本类别标签是否与xn的类别标签一致,如果5个最近邻样本的类别均与xn的类别相同或者均与xn不同,则将xn视为安全样本或者噪声样本剔除;由此获得只含边界样本的特征矩阵Xnew;

(1.2)计算模糊差异度量;对于Xnew中的每个样本xn,分别找出其k(k=3)个最近邻同类、异类样本H=[H1(xn),H2(xn),H3(xn),]和M=[M1(xn),M2(xn),M3(xn)];每一维特征对应初始权值wj=1/m,j∈{1,2,…,m},计算样本xn与最近邻异类样本xi的差异度式中 为绝对误差距离, 为样本xn的第j维特征值,可得样本xi作为xn的最近邻异类样本的模糊隶属度 对于xn到最近邻异类样本的第j维特征的模糊差异度量由下面公式得到:

其中, 为样本xn与最近邻异类样本M中第i个样本的第j维特征的绝对误差距离;

使用同样的方法,可以得样本xn与最近邻同类样本xi的差异度 式中 为绝对误差距离, 为样本xn的第j维特征值,可得样本xi作为xn的最近邻同类样本的模糊隶属度 进一步的,对于xn到最近邻同类样本的第j维特征的模糊差异度量由下面公式得到:

其中, 为样本xn与最近邻同类样本H中第i个样本的第j维特征的绝对误差距离;

(1.3)对每一维特征权值进行迭代;权值按照下式进行更新:

式中其中N是剔除安全样本和噪声样本后保留下来的训练样本总个数;

(1.4)找出权值较小的特征;Xnew中所有样本循环迭代结束后可得最终每一个特征的权值wj,计算阈值TH1=1/m,初始化1*m维特征状态标志向量mark1,令其每个元素均为1;比较每一维特征权值与阈值TH1的大小:若权值小于TH1,该维特征与类别相关性小,则将该维特征所对应的状态标志位置0,否则该维特征与类别相关性大,置1;由此得到所有特征的状态标志向量mark1。

3.根据权利要求1所述基于机器视觉的表面瑕疵检测的纹理特征降维方法,其特征是:所述步骤(3),将mark1和mark2按位与运算得到mark即为最终所有特征的状态标志向量,将mark中状态标志为0对应的特征删除,保留标志位为1的特征,存储状态标志向量mark,用于在线特征提取过程。