基于Grouplet與關(guān)聯(lián)向量機(jī)的斷口圖像識(shí)別方法研究.pdf

1、本論文在國(guó)家自然科學(xué)基金(51261024,51075372)和廣東省數(shù)字信號(hào)與圖像處理技術(shù)重點(diǎn)實(shí)驗(yàn)室(No.2014GDDSIPL-01)資助下，針對(duì)傳統(tǒng)斷口圖像識(shí)別方面存在的不足，提出了基于Grouplet-RVM的斷口圖像識(shí)別方法，并針對(duì)其識(shí)別速度與識(shí)別準(zhǔn)確率與以往研究方法做了對(duì)比實(shí)驗(yàn)研究，取得了較好的創(chuàng)新成果，論文的主要內(nèi)容有以下幾個(gè)方面：
　　1、介紹了Haar小波變換的原理，在此基礎(chǔ)上，論述了Grouplet變換理論及

2、算法。并以金屬斷口圖像為例，對(duì)比分析了Grouplet變換和小波變換在處理圖象方面的能力，實(shí)驗(yàn)結(jié)果驗(yàn)證了Grouplet變換具有明顯的優(yōu)勢(shì)，它是一種基于圖像幾何流最佳稀疏表示的正交變換，可以最大限度的利用圖像的幾何特征。本章是全文的理論基礎(chǔ)。
　　2、結(jié)合Grouplet變換和關(guān)聯(lián)向量機(jī)(RVM)的各自優(yōu)點(diǎn)，提出了一種基于Grouplet-RVM識(shí)別方法，提出的方法以Grouplet平均能量、Grouplet調(diào)和熵和Grouple

3、t峭度為特征量，RVM為識(shí)別器，并成功地應(yīng)用到金屬斷口圖像識(shí)別中。實(shí)驗(yàn)結(jié)果表明，由于Grouplet平均能量是Grouplet系數(shù)的二次方關(guān)系，Grouplet峭度是Grouplet系數(shù)的4次方關(guān)系，因此，Grouplet峭度比Grouplet平均能量更能反映微小的紋理特征變化，對(duì)紋理特征更敏感，有利于斷口圖像的特征提取。與小波-RVM識(shí)別方法相比較，提出的方法克服了小波-RVM識(shí)別方法只能獲取圖像有限的方向信息，取得了更高的識(shí)別率。和

4、Grouplet-SVM識(shí)別方法相比較，Grouplet-RVM識(shí)別方法和Grouplet-SVM識(shí)別方法有同樣好的識(shí)別率，然而，Grouplet-RVM所需要的支持向量數(shù)量要少得多，在核函數(shù)的選擇上不受Mercer定理的限制，可以構(gòu)建任意的核函數(shù)。因而，提出的方法的識(shí)別速度明顯優(yōu)于Grouplet-SVM識(shí)別方法，特別是隨著訓(xùn)練樣本的增加，這種優(yōu)勢(shì)越明顯。
　　3、變分關(guān)聯(lián)向量機(jī)(Variational relevance ve

5、ctor machines，簡(jiǎn)稱VRVM)是一種改進(jìn)的關(guān)聯(lián)向量機(jī)，它將關(guān)聯(lián)向量機(jī)中計(jì)算較為復(fù)雜的卷積積分運(yùn)算改為較為簡(jiǎn)單的對(duì)數(shù)和運(yùn)算，從而大大降低了RVM的計(jì)算量?；赩RVM的獨(dú)特優(yōu)勢(shì)，在此，將VRVM與Grouplet變換相結(jié)合，提出了一種基于Grouplet-VRVM的識(shí)別方法。在提出的方法中，以Grouplet調(diào)和熵、Grouplet平均能量、Grouplet峭度作為特征量，VRVM作為識(shí)別器，成功地應(yīng)用到金屬斷口圖像識(shí)別中，實(shí)

6、驗(yàn)結(jié)果表明，提出的Grouplet-VRVM與Grouplet-RVM識(shí)別方法相比，在保持相同的識(shí)別率情況下，可以大幅度提高訓(xùn)練速度。而且隨著訓(xùn)練樣本數(shù)量的增加，這種優(yōu)勢(shì)同樣表現(xiàn)得越明顯。
　　4、在基于Grouplet-RVM的識(shí)別方法中，核函數(shù)參數(shù)的選取是至關(guān)重要的，若選擇不當(dāng)，會(huì)大大影響識(shí)別效果，而對(duì)于核函數(shù)參數(shù)的選取，目前，還沒(méi)有選擇的依據(jù)，針對(duì)此問(wèn)題，在此，構(gòu)建了三種小波核函數(shù)(即Mexican hat小波核函數(shù)、Mor

7、let小波核函數(shù)以及DOG小波核函數(shù))來(lái)替代Grouplet-RVM識(shí)別方法中的RBF核函數(shù)，提出了小波關(guān)聯(lián)向量機(jī)(Wavelet RVM,簡(jiǎn)稱WRVM)的新概念。并將WRVM與Grouplet變換結(jié)合，提出了一種基于Grouplet-WRVM識(shí)別方法，并應(yīng)用于斷口圖像識(shí)別中，同時(shí)，與Grouplet-RVM識(shí)別方法進(jìn)行了對(duì)比分析。實(shí)驗(yàn)結(jié)果表明，Grouplet-WRVM和Grouplet-RVM識(shí)別方法都得到了滿意的識(shí)別率。然而，Gr