【技术实现步骤摘要】
一种基于KLR算法的钢箱梁裂纹检测效率优化方法
[0001]本专利技术属于钢箱梁裂纹检测
,尤其涉及一种基于KLR算法的钢箱梁裂纹检测效率优化方法。
技术介绍
[0002]目前世界各国已建成上千座的采用正交异性钢桥面板的各类桥梁,同时,我国正在运营和在建中的该类型桥梁数量已达200余座。但是,在日以继夜的负载作用下,表面由于金属疲劳而导致裂纹的产生。同时,疲劳裂纹产生的机理复杂,且在初期阶段并不易发现,想要及时检测并修复困难较大,外加修复成本较高,疲劳裂纹已经成为影响钢箱梁桥运营安全状况的最严重的病害。
[0003]在工程应用中,采用线性回归法处理图像而得到的数据通常具有高维性质,而应用于分类识别的信息往往都是低维的,此外,高维的数据特征会导致模型复杂度过高,影响效率。
技术实现思路
[0004]本专利技术的目的在于:考虑结合核回归方法,基于KLR(Kernel
‑
Linear Regression)算法,创新性地提出一种各向异性钢箱梁裂纹检测方法。
[0005]为了实现上述目的,本专利技术采用了如下技术方案:
[0006]一种基于KLR算法的钢箱梁裂纹检测效率优化方法,具体包括以下步骤:
[0007]S1、NSCT变换提取特征;
[0008]S2、获取图像中存在的奇异点,利用NSP对原图像进行多尺度分解可达成此目的,第一次NSP分解将图像分解为低频和高频两个部分,按照如上原则,进行递归,对低频部分做进一步的NSP分解,即可实现图像的多尺 ...
【技术保护点】
【技术特征摘要】
1.一种基于KLR算法的钢箱梁裂纹检测效率优化方法,其特征在于,具体包括以下步骤:S1、NSCT变换提取特征;S2、获取图像中存在的奇异点,利用NSP对原图像进行多尺度分解可达成此目的,第一次NSP分解将图像分解为低频和高频两个部分,按照如上原则,进行递归,对低频部分做进一步的NSP分解,即可实现图像的多尺度分解;NSDFB是一个双通道的滤波器,利用NSDFB对经NSP分解后得到的高频分量进行多方向分解,将分布在同方向的奇异点合成NSCT的系数;S3、NSCT变换提取特征,具体实现步骤如下:S301、对每一幅样本图像进行NSCT分解,得到多个NSCT子带图像;S302、对得到的所有NSCT子带图像分别计算均值和方差统计量;S303、对每一幅样本图像的统计特征行向量从上到下拼接组成一个NSCT特征矩阵;S304、将所有图像区分为奇数号和偶数号,并将偶数号样本图像作为训练集,奇数号样本图像作为测试集,对两组数据集组成的特征矩阵归一化处理;S4、KLR算法降维,构造拟合直线L,选择n个有效点的作为拟合直线L备用数据,第i个数据点对应样本集中的Gi;如果i和j属于同一类样本时,则在数据点i和j之间可直接连接,反之,数据点i和数据点j之间无法直接连接,按上述规则构成的初步拟合直线可以模拟高维空间中的低维状态;S5、确定权重W,当数据点i和j直接相连时,wij=1/nk,其中,nk表示第k类样本的数量,满足m是类别数量,当数据点i和j之间无法直接连接时,wij=0;S6、计算响应向量x,假设直线L的拟合可用直线x=[x1,x2,......,x
N
]
T
近似表示,并定义优化目标为s.t.x
T
Px=1;S7、正则化引入,对线性函数y
i
=f(x
i
)=q
T
x
i
,其中qk为的解,易看出,等价于求解一组线性方程(xx
T
+βI)q
k
=xy
k
,其中I为同阶的单位矩阵;为了提升性能,再引入核化概念,将原问题转换为求解正则核最小二乘的问题:(K+βI)p
k
=y
k
;S8、KLR算法应用,利用得到的特征向量构造投影矩阵Θ=[q1,q2,...,q
m
‑
1]
,KLR算法先通过拟合直线降低复杂度,再通过解最小二乘方程得到高维数据向低维数据映射的矩阵,样本数据通过下式转化到m
...
【专利技术属性】
技术研发人员:向卫,
申请(专利权)人:南京视测通机器人科技有限公司,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。