核机器学习方法及其在视觉检测中的应用研究.pdf

《核机器学习方法及其在视觉检测中的应用研究.pdf》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、电子科技大学UNIVERSITYOFELECTRONICSCIENCEANDTECHNOLOGYOFCHINA博士学位论文DOCTORALDISSERTATION（电子科技大学图标）论文题目核机器学习方法及其在视觉检测中的应用研究学科专业计算机软件与理论学号200911060150作者姓名谭治英指导教师冯勇教授万方数据分类号密级公开注1UDC学位论文核机器学习方法及其在视觉检测中的应用研究（题名和副题名）谭治英（作者姓名）指导教师冯勇教授中国科学院成都计算机应用研究所佘堃教授电子科技大学计算机科学与工程学

2、院申请学位级别博士学科专业计算机软件与理论提交论文日期2013.03.19论文答辩日期2013.12.08学位授予单位和日期电子科技大学2013年12月24日答辩委员会主席杨路评阅人卢宏涛、彭强、吕建成、尚明生、蔡洪斌注1：注明《国际十进分类法UDC》的类号。万方数据RESEARCHESONKERNELMACHINELEARNINGMETHODSANDITSAPPLICATIONINVISIONINSPECTIONADoctorDissertationSubmittedtoUniversityofElec

3、tronicScienceandTechnologyofChinaMajor:ComputerSoftwareandTheoryAuthor:TanZhiyingAdvisor:ProfessorFengYongSchool:SchoolofComputerScience&Engineering万方数据独创性声明本人声明所呈交的学位论文是本人在导师指导下进行的研究工作及取得的研究成果。据我所知，除了文中特别加以标注和致谢的地方外，论文中不包含其他人已经发表或撰写过的研究成果，也不包含为获得电子科技大学或其

4、它教育机构的学位或证书而使用过的材料。与我一同工作的同志对本研究所做的任何贡献均已在论文中作了明确的说明并表示谢意。作者签名：日期：年月日论文使用授权本学位论文作者完全了解电子科技大学有关保留、使用学位论文的规定，有权保留并向国家有关部门或机构送交论文的复印件和磁盘，允许论文被查阅和借阅。本人授权电子科技大学可以将学位论文的全部或部分内容编入有关数据库进行检索，可以采用影印、缩印或扫描等复制手段保存、汇编学位论文。（保密的学位论文在解密后应遵守此规定）作者签名：导师签名：日期：年月日万方数据摘要摘要高精度

5、印刷品生产过程中，易产生墨色堆积、混色、拉道子、甩色、缺印等问题，导致不合格品出现。采用视觉技术检测产品质量，并自动剔除不合格品，是提高生产力的最有效途径之一。在光源、相机等硬件条件确定的前提下，视觉检测技术的性能取决于图像处理能力。基于核机器学习的图像处理方法，集统计学习理论、核方法于一体，是处理非线性数据的有效手段之一。本文在高精度印刷品质量检测智能算法研发课题的支撑下，在深入分析研究核机器学习方法的基础上，结合高精度印刷品视觉检测的应用背景，以提高检测性能为目标，重点对图像处理系统中图像复原算法的改

6、进、训练集的选择、核函数及参数的优化学习进行研究。论文完成的主要内容包括：1)在对核主成分分析深入研究的基础上，针对印刷品质量检测中存在的复原图像模糊问题，提出一种新的基于核主成分分析的图像复原算法。该算法假设同种印刷品的图像样本分布满足局部线性性质，利用图像样本在特征空间中的线性分布特征来计算最近邻居。然后依据最近邻居构成的线性几何结构，把残差最小化作为图像复原的优化目标，并用固定点迭代法对优化问题进行求解。最后给出所采用迭代格式的收敛性分析。通过数值实验，验证了算法的合理性与理论分析的正确性。实验结果

7、显示，该算法的复原误差较现有算法降低了一半，同时解决了复原图像的模糊重影问题。2)为提高图像处理的计算速度，提出了基于图像样本空间分布的选样算法。该选样算法不仅考虑了数据库中样本的分布密度，同时把边界图像样本选入训练集。基于核方法的图像处理系统中，包含N个图像样本的训练集，对训练集特征32进行提取的算法时间复杂度是O(N)，单个样本的检测时间复杂度是O(N)。实验结果显示，在图像复原信噪比近似相等的前提下，当参与计算的500个样本减少到100个时，训练时间缩短了99.2%，检测时间缩短了96%。3)为提高

8、图像处理的计算精度，提出了基于核对齐的选样算法。基于核对齐选择显著图像样本算法，将图像样本对核矩阵的贡献作为选样标准，把对核矩阵有最大贡献的显著图像样本逐个从大数据集中选择出来，构成训练集。此选样算法便于新图像样本的选择与添加，选样与训练集更新可在线完成。当基于核对齐的选样算法应用于图像处理系统时，采用随机选择的100个样本与利用核对齐选择的100个样本，分别进行训练与图像复原测试，结果显示平均复原误差从1312.7I万方数据