基于特征加權(quán)單類支持向量機(jī)的顏色識(shí)別算法及其在異色物檢測(cè)中的研究.pdf

1、異色物檢測(cè)技術(shù)是用來將混入正常物料中的異色物檢測(cè)出來，取代傳統(tǒng)的人工分揀方式。該技術(shù)實(shí)現(xiàn)異色物剔除的智能化，極大提高了異色物分揀的效率和穩(wěn)定性，對(duì)提高產(chǎn)品質(zhì)量和提升企業(yè)競(jìng)爭(zhēng)力有十分重要的意義。異色物檢測(cè)技術(shù)具有非常強(qiáng)的可移植性，稍加改變就可應(yīng)用在工業(yè)、農(nóng)業(yè)、軍事等領(lǐng)域。
　　 本文對(duì)異色物檢測(cè)問題進(jìn)行了深入的分析，建立了針對(duì)異色物的模式識(shí)別模型。傳統(tǒng)圖像分割方式，并不能得到對(duì)異色物檢測(cè)有效的特征，而且算法耗時(shí)時(shí)間長(zhǎng)。同時(shí)為了實(shí)現(xiàn)

2、異色物快速定位，圖像被分割成若干個(gè)判別單元，根據(jù)判別單元的整體色度特征，判定該單元是否含有異色物。異色物檢測(cè)問題被轉(zhuǎn)化為單元屬性的判別問題。在實(shí)際生產(chǎn)中異色物種類具有很大的隨機(jī)性，形狀、大小等特征不太合適，而顏色是一幅圖像最簡(jiǎn)單而有效的特征。綜合多種因素，我們利用顏色矩方法分別在RGB和HSI空間提取特征。通過實(shí)驗(yàn)發(fā)現(xiàn)，以判別單元的H均值、I均值和I標(biāo)準(zhǔn)差為特征，檢測(cè)效果好。
　　 傳統(tǒng)的分類問題，每類樣本都大致分布在某個(gè)范圍，

3、故任意選取的樣本能夠代表其所屬類的屬性。但是本文研究的問題中，目標(biāo)顆粒的特征分布相對(duì)穩(wěn)定，而異色物出現(xiàn)的種類不可預(yù)測(cè)，導(dǎo)致其特征很分散。因此選取的異色物樣本無法代表該類的特征分布，該現(xiàn)象為典型的單類問題。因此本文選用單類支持向量機(jī)(OCSVM)設(shè)計(jì)分類器。單類支持向量機(jī)算法假設(shè)所有特征有相同的重要性，然而實(shí)際樣本中包含著與目標(biāo)函數(shù)弱相關(guān)特征在一定程度上影響分類器的推廣能力，因此考慮特征加權(quán)，提出了特征加權(quán)單類支持向量機(jī)(FWOCSVM)