原创力文档- 1、原创力文档（book118）网站文档一经付费（服务费），不意味着购买了该文档的版权，仅供个人/单位学习、研究之用，不得用于商业用途，未经授权，严禁复制、发行、汇编、翻译或者网络传播等，侵权必究。。
- 2、本站所有内容均由合作方或网友上传，本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺！文档内容仅供研究参考，付费前请自行鉴别。如您付费，意味着您自己接受本站规则且自行承担风险，本站不退款、不进行额外附加服务；查看《如何避免下载的几个坑》。如果您已付费下载过本站文档，您可以点击 这里二次下载。
- 3、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等，请点击“版权申诉”（推荐），也可以打举报电话：400-050-0827(电话支持时间：9:00-18:30)。
- 4、该文档为VIP文档，如果想要下载，成为VIP会员后，下载免费。
- 5、成为VIP后，下载本文档将扣除1次下载权益。下载后，不支持退款、换文档。如有疑问请联系我们。
- 6、成为VIP后，您将拥有八大权益，权益包括：VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
- 7、VIP文档为合作方或网友上传，每下载1次， 网站将根据用户上传文档的质量评分、类型等，对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
使用三维自组织特征图进行三目数据配准
GeorgeK.Knopf，IEEE会员，和ArchanaSangole
‑本文描述了一种三维自组织特征图（SOFM），该图将由三目系统获取
的图像中提取的冗余和互补特征关联起来。从参考部件的三个视图中提取的组合
特征用于训练SOFM。无监督学习算法确保“相似”的特征向量将被分配到在
3D特征图中空间位置接近的聚类单元。该技术通过利用训练数据中的隐藏冗余来降
低输入的维度。在识别阶段，新测试部件中的特征会激活具有与应用训练输入相
似权重的多个聚类单元。如果输入与响应最强的聚类单元权重之间的平方误差和
（SSE）大于预定义的容差，则测试对象将被标记为故障部件。
索引术语‑神经网络，图像处理和机器视觉
I.引言
使用多头进行部件检测时未解决的问题之一是多个图像获取的信息的配
准。配准是将一个机捕获的图像中提取的特征向量与另一个机或同一摄
像机在不同时间点捕获的图像中的特征向量相关联的过程。设=[,1,,2,...,
]图像中的ℎ特征，是图像特征
...,为特征向量，其中是在
的总数。图像特征是表示被观察部件的任何结构组件的数值，如顶点、区域、质
心或边长。对特征配准的唯一限制是待匹配的特征向量的相应元素代表相同类型
的信息。
图1所示的初始匹配矩阵（IMM）说明了两个数据集中特征匹配的非唯一性。在
这个例子中，从图像1,中提取的大量图像特征错误地匹配了由图像2,获取
的一个以上特征。任何数据配准算法的目标都是找到每个
行和列。为了实现这一点，通常使用遗传算法、模拟退火或竞争神经网络等优化
技术生成最终匹配矩阵（FinalMatchMatrix，FMM）。
Trinoculardataregistrationusingathree-
dimensionalself-organizingfeaturemap
GeorgeK.Knopf,Member,IEEE,andArchanaSangole
-Athree-dimensionalself-organizingfeaturemap(SOFM)thatassociates
redundantandcomplementaryfeaturesextractedfromimagesacquiredbyatrinocular
camerasystemisdescribedinthispaper.Thecombinedfeaturesextractedfromthree
viewsofthereferencepartsareusedtotraintheSOFM.Theunsupervisedlearning
algorithmensuresthat“similar”featurevectorswillbeassignedtoclusterunitsthatlie
inclosespatialproximityinthe3Dfeaturemap.Thetechniquereducesthe
dimensionalityoftheinputbyexploitinghiddenredundanciesinthetrainingdata.
Duringtheidentificationphase,featuresinthenoveltestpartactivateanumberof
clusterunitsthathaveweightssimilartotheappliedtraininginput.Ifthesum-of-square
error(SSE)weentheinputandweightsoftheclusterunitwiththestrongest
responseisgreaterthanapredefinedtolerance,thenthe
文档评论（0）