基于AdaBoost和Krawtchouk矩的刀具形状分类识别.pdfVIP

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 ；形状识别 ；Krawtchouk矩 ；AdaBoost 中图分 类号 ：TG7l1 文献标 识 码 ：A 0 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 、旋转和尺度 法 (DataMatrix，DM)l【l。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 Krawtchouk Krawtchouk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 = 、(一凡，一，一Ⅳ；) 研 究 = — +-一——卜”—_卜“--+-．·+ -—+一“—卜一+ · Influenceofwaterquenchingandt