基于AdaBoost和Krawtchouk矩的刀具形状分类识别.pdf

《基于AdaBoost和Krawtchouk矩的刀具形状分类识别.pdf》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、文章编号：1672—0121(2012)04—0087-03基于AdaBoost和Krawtchouk矩的刀具形状分类识别赵敏，何卫平，雷蕾(西北工业大学现代设计与集成制造技术教育部重点实验室，陕西西安710072)摘要：针对刀具识别的特点，利用Krawtchouk矩在形状特征采集上的优势，将Krawtchouk不变矩作为刀具的形状特征向量，对特征数据利用AdaBoost算法设计刀具强分类器，实现刀具的分类识别与检测。经过实验，验证了本算法的有效性和可靠性。本研究对刀具全生命周期管理中的刀具信息追踪具有重要作用。关键词：机械制造；刀具分类；

2、形状识别；Krawtchouk矩；AdaBoost中图分类号：TG7l1文献标识码：A0引言矩(2003，Yap)【]作为刀具的形状特征向量。Krawtch—在刀具的全生命周期管理中，对刀具信息进行追ouk矩不但克服了连续矩的不足(离散化有误差)[21，踪，实现刀具身份的唯一标识是至关重要的。目前已且不需要进行坐标变换，与其他离散正交矩相比，又经证明最有效的刀具标识方法是由NASA提出的直可从任何感兴趣的图像区域中提取局部特征。接标刻(DirectPartMarking，DPM)和二维条码标识Krawtchouk矩不变量具有良好的平移、旋转

3、和尺度法(DataMatrix，DM)【ll。但这种方法并不是完美的，如不变性，满足特征提取的需要。但Krawtchouk矩也图像采集时会有金属反光、恶劣环境会严重磨损刀具有缺点，主要是计算量大和高阶数值发散_5l。因此，本等，都可能造成DM码识读失效，如果在DPM时采集文提出对刀具形状特征数据进行AdaBoost分类器刀具的形状特征图像，当刀具DM码追踪识读失效训练。AdaBoost算法是一种迭代算法，常用于多目标时，则可以通过该形状特征图像进行特征识别，从而分类、人脸检测、红外目标检测等，将AdaBoost用于有助于缩小标定范围，实现刀

4、具的身份验证。刀具分类，训练出刀具分类检测的强分类器，有助于由于刀具形状特征识别有自身的难点，如同类刀具信息的追踪和识别。刀具的形状图像非常相似，只有局部如刀头部分的区别，这就需要一种能区别图像局部区域的特征向1选取Krawtchouk矩为刀具形状特征量。针对这个问题，本文选取离散正交KrawtchoukKrawtchouk矩的核函数是由一系列的离散Krawtchouk多项式构成。凡阶Krawtchouk多项式的收稿日期：2012—01—17定义为：作者简介：赵敏(1986一)，女，硕士在读，主攻模式识别与机器视觉Kn=(x,p,n)=0=

5、(、一凡，一，一Ⅳ；)研究=—+-一—卜”—_卜“-+-．·+-—+一“—卜一+·InfluenceofwaterquenchingandtemperingtreatmentonmicrostructureandpropertiesofFe-1．4C-15CralloyHUANGXiaoming(YunnanElectromechanicalVocationalCollege，Kunming650203，YunnanChina)其中，，n=O，1，⋯，N，P∈(0，1)；2Fa(a，b，c，)是给下层分类器进行训练，最后将每次训练得到的分类

6、器最后融合起来，作为最后的决策分类器。使用超几何函数，其定义为：(口，6，，z)∑=0CAdaBoost分类器可以排除一些不必要的训练数据特征，并将关键放在关键的训练数据上面f6'7J。图1是亭；(口)为P。chhammer算子，其定义为：(口)=口(。+AdaBoost的分类器训练流程图。1)(n+2)⋯(。+一1)=±ra专，=专t0一lJ!。正样本集lI负样本集为抑制数值波动，需进行归一化处理，霞(，P，计算样本图形状特征向量Ⅳ)：、霈K(，p，Ⅳ)，其中加权函数：特征数据库补充负样本图c，p，Ⅳ=()pc·_p确定阈值，生成弱分类器

7、———]一负样本集p(n，P，Ⅳ)=l(1_P)弱分类器集对于一幅大小为N~M的图像，它的正则化AdaBoost算法训练强分类器Krawtchouk矩：强分类器集K肌=∑∑(，p，Ⅳ)(y，p，，y)级联分类器构造不变量：图1AdaBoost分类器训练基于AdaBoost的刀具特征分类器训练步骤：=，【p(，P，N)p(m，P，)r，2∑∑a／,n,pq，而第1步：选取n个训练样本(Y)，⋯，(XnY)其中镌是每个样本的特征向量(霞K一，K～⋯，露：。，而善p，N)to(j'p’M)I⋯霞)，yl代表样本分类：=1对应1个正样本(刀，一面)

8、cos0+cysin刎+等)具)，yi=O对应m个负样本(非刀具)，m+l=n。第2步：初始化权值-y)~os0-cn+等)f1／21，yi=1C“=1I1／2m，yi=O∑∑x