本發(fā)明涉及一種基于奇異值分解的手寫電氣元件符號識別方法，屬于機(jī)器學(xué)習(xí)和模式識別的技術(shù)領(lǐng)域。

背景技術(shù)：

隨著計(jì)算機(jī)技術(shù)的不斷發(fā)展，計(jì)算機(jī)的計(jì)算處理能力不斷增強(qiáng)，計(jì)算機(jī)已經(jīng)可以應(yīng)用到許多領(lǐng)域當(dāng)中。在電氣工程方面，隨著技術(shù)的發(fā)展和時代的進(jìn)步，采用計(jì)算機(jī)對電力工程圖進(jìn)行繪制已經(jīng)成為了必然，然而，現(xiàn)存的電力工程圖中依然有大量的手繪圖紙，如果對這些手繪圖紙中的元件采用人工的方式錄入計(jì)算機(jī)，將會大大提升錄入成本，且耗費(fèi)時間巨大。同時，由于工作量巨大且十分精細(xì)，一旦人員錄入出現(xiàn)錯誤，對于一項(xiàng)工程的影響將是不可估計(jì)的。因此，對電力工程圖中的電氣元件進(jìn)行識別成為了一項(xiàng)必要的課題，有利于提高手繪圖紙錄入計(jì)算機(jī)的效率，對于電力工程圖的自動化起到推動作用，同時為電網(wǎng)、研究院等相關(guān)單位的數(shù)據(jù)統(tǒng)計(jì)、數(shù)據(jù)挖掘分析等奠定基礎(chǔ)。

奇異值分解是線性代數(shù)領(lǐng)域的一種十分重要的矩陣分解過程，是矩陣分析中正規(guī)矩陣酉對角化的推廣，在數(shù)字信號處理、數(shù)據(jù)統(tǒng)計(jì)等領(lǐng)域有著重要的應(yīng)用。奇異值分解在某些方面與對稱矩陣或Hermite矩陣基于特征向量的對角化類似，然而這兩種矩陣分解盡管有其相關(guān)性，但還是有明顯的不同。對稱陣特征向量分解的基礎(chǔ)是譜分析，而奇異值分解則是譜分析理論在任意矩陣上的推廣。在機(jī)器學(xué)習(xí)和模式識別領(lǐng)域，奇異值分解常被應(yīng)用于樣本集合的訓(xùn)練，對樣本特征進(jìn)行降維，從而提取出更加重要的特征，對分類識別起到促進(jìn)作用。

技術(shù)實(shí)現(xiàn)要素：

針對現(xiàn)有技術(shù)存在的不足，本發(fā)明提供一種基于奇異值分解的手寫電氣元件符號識別方法。本發(fā)明通過機(jī)器學(xué)習(xí)與模式識別的相關(guān)知識，利用奇異值分解的思想對手寫的電氣元件符號進(jìn)行識別，有利于對手寫電力工程圖紙的有效利用，提高電力工程圖紙的自動化效率，有利于之后相關(guān)工作的開展。

發(fā)明概述：

一種基于奇異值分解的手寫電氣元件符號識別方法，包括圖像預(yù)處理、元件標(biāo)準(zhǔn)化、特征提取和元件分類四個步驟。圖像預(yù)處理主要是通過數(shù)字圖像處理的相關(guān)知識以及濾波等操作對圖像進(jìn)行預(yù)處理，對所研究對象中的冗余信息進(jìn)行剔除，并對圖像的形式與特性進(jìn)行規(guī)范；元件標(biāo)準(zhǔn)化就是將所要識別的元件按照一定的標(biāo)準(zhǔn)對其大小、格式等特征進(jìn)行統(tǒng)一，為后續(xù)的識別分類過程做好準(zhǔn)備；特征提取就是根據(jù)奇異值分解的相關(guān)思想，將手寫電氣元件與標(biāo)準(zhǔn)電氣元件相聯(lián)系，提取特征，從而有利于手寫電氣元件的特征識別；元件分類過程，采用最近鄰分類器對樣本進(jìn)行分類，判斷識別方法的準(zhǔn)確性。

本發(fā)明的技術(shù)方案如下：

一種基于奇異值分解的手寫電氣元件符號識別方法，包括訓(xùn)練部分和測試部分；所述訓(xùn)練部分包括步驟如下：

1-1)對電力工程圖進(jìn)行二值化及去噪處理；

1-2)對經(jīng)步驟1-1)處理后的圖像中的元件以及手寫電氣元件符號進(jìn)行切割與標(biāo)準(zhǔn)化；

1-3)利用奇異值分解思想訓(xùn)練出奇異值分解模型；

所述測試部分包括步驟如下：

2-1)對手寫電氣元件符號進(jìn)行切割與標(biāo)準(zhǔn)化；

2-2)對經(jīng)步驟2-1)處理后的元件通過訓(xùn)練出的奇異值分解模型進(jìn)行識別。

根據(jù)本發(fā)明優(yōu)選的，所述步驟1-1)中，所述二值化處理的方法為：通過對手寫元件圖像及電力工程圖像的第三維進(jìn)行平方開方運(yùn)算，將三維矩陣降至二維灰度圖像矩陣，之后通過選擇恰當(dāng)?shù)拈撝?對于本領(lǐng)域技術(shù)人員來說，此處選擇閾值一般為經(jīng)驗(yàn)調(diào)節(jié)，是按照現(xiàn)有技術(shù)可以實(shí)現(xiàn)的)，將二維的灰度圖像矩陣轉(zhuǎn)變?yōu)橹挥?、1的矩陣；對于電氣元件來說，顏色信息以及灰度信息在識別上屬于冗余信息，同時，手寫電氣元件的掃描圖由于掃描環(huán)境的關(guān)系也會存在一定冗余信息，因此，在預(yù)處理階段，對手寫元件圖像及電力工程圖像進(jìn)行二值化處理；

所述去噪處理的方法為：通過高斯濾波以及抗椒噪聲的均值濾波對二值化后的矩陣進(jìn)行濾波，有效去除噪聲干擾。由于原始圖像掃描環(huán)境以及二值化時所選擇閾值的影響，二值化矩陣中不可避免地會出現(xiàn)噪聲，即引入一些錯誤的像素點(diǎn)，因此引入本去噪處理，至此圖像預(yù)處理過程完畢。

根據(jù)本發(fā)明優(yōu)選的，在步驟1-1)中，還包括：對二值化后的矩陣進(jìn)行反轉(zhuǎn)操作。由于人眼對白色像素點(diǎn)的敏感度高于黑色像素點(diǎn)，因此對二值化后的矩陣進(jìn)行反轉(zhuǎn)操作，使得元件信息能夠更加容易被人眼觀察。

根據(jù)本發(fā)明優(yōu)選的，在步驟1-2)中，所述切割與標(biāo)準(zhǔn)化的方法包括，選取手寫元件以及電氣工程元件的重心作為標(biāo)準(zhǔn)化圖像的中心，對原始圖像進(jìn)行相應(yīng)放大、縮小，將圖形規(guī)格標(biāo)準(zhǔn)化至100*100，即每一個元件圖形保證為正方形，邊長為100像素，共10000像素點(diǎn)。元件標(biāo)準(zhǔn)化過程的目的是將手寫元件的圖像與電力工程圖元件圖像的大小與規(guī)格相匹配，為之后奇異值分解做準(zhǔn)備，達(dá)到標(biāo)準(zhǔn)化的效果。此處所述的重心為元件的幾何中心。

根據(jù)本發(fā)明優(yōu)選的，在步驟1-3)中利用奇異值分解思想利用奇異值分解思想訓(xùn)練出奇異值分解模型的具體方法包括：

我們的目標(biāo)是訓(xùn)練出奇異值分解模型，因此，假設(shè)手寫電氣元件為probe樣本，電力工程圖元件為gallery樣本，在模型訓(xùn)練過程中，假設(shè)X_m、Y_m為m維的特征，其中X_m為電力工程圖元件原始特征，Y_m為手寫電氣元件原始特征；probe樣本與gallery樣本之間存在一定的不同，奇異值分解便是將二者通過一定的手段進(jìn)行結(jié)合，此處將gallery樣本與probe樣本相結(jié)合，共同組合為訓(xùn)練樣本，達(dá)到二者相聯(lián)系的目的；假設(shè)gallery樣本和probe樣本分別有N個樣本，假定訓(xùn)練矩陣如下：

其中矩陣中的每一行代表特征，每一列代表特征的樣本數(shù)；訓(xùn)練矩陣M，gallery樣本和probe樣本的特征會被投影到一個共同的子空間；

利用奇異值分解的思想，訓(xùn)練矩陣M將會被分解為如下三個矩陣：

其中為共同子空間中的串聯(lián)特征，d代表了每一個樣本的特征維數(shù)，是一個對角矩陣，代表M矩陣的奇異值，表示了子空間的標(biāo)準(zhǔn)正交基。

U包括兩種不同的特征，兩種特征是相互獨(dú)立的，U被如下分解：

其中，R_x和R_y分別代表gallery和probe樣本特征子矩陣，即分別為電力工程圖元件特征子矩陣和手寫電氣元件特征子矩陣；

假設(shè)x表示gallery特征即電力工程圖元件特征，y表示probe特征即手寫電氣元件特征：

令K＝SV^T，k^m為K的第m行向量，那么，子空間上的一點(diǎn)λ被表示為

那么電力工程圖元件特征通過點(diǎn)λ將被投影到手寫電氣元件特征的空間，如下，

至此奇異值分解模型訓(xùn)練完畢，兩種不同的特征被投影到了共同的空間中，為后續(xù)的分類提供了良好的基礎(chǔ)。

根據(jù)本發(fā)明優(yōu)選的，所述步驟2-1)中對手寫電氣元件符號進(jìn)行切割與標(biāo)準(zhǔn)化的方法包括：選取手寫元件的重心作為標(biāo)準(zhǔn)化圖像的中心，對原始圖像進(jìn)行相應(yīng)放大、縮小，將圖形規(guī)格標(biāo)準(zhǔn)化至100*100，即每一個元件圖形保證為正方形，邊長為100像素，共10000像素點(diǎn)。此處所述的重心為元件的幾何中心。

根據(jù)本發(fā)明優(yōu)選的，所述步驟2-2)中對經(jīng)步驟2-1)處理后的元件通過訓(xùn)練出的奇異值分解模型進(jìn)行識別方法如下：

給定gallery樣本集即電力工程圖元件特征樣本集，通過樣本x_i計(jì)算點(diǎn)λ，從而得到點(diǎn)那么手寫電氣元件特征即probe樣本特征被如下分類，

π_i其中

其中π_i為樣本的分類標(biāo)簽。

本發(fā)明的有益效果是：

一種基于奇異值分解的手寫電氣元件符號識別方法，包括訓(xùn)練和測試，所述訓(xùn)練包括，對電力工程圖進(jìn)行二值化及去噪處理、對元件以及手寫電氣元件符號進(jìn)行切割與標(biāo)準(zhǔn)化；利用奇異值分解思想訓(xùn)練出奇異值分解模型；所述測試包括，對手寫電氣元件符號進(jìn)行切割與標(biāo)準(zhǔn)化；對元件通過訓(xùn)練出的奇異值分解模型進(jìn)行識別。圖像預(yù)處理主要是通過數(shù)字圖像處理的相關(guān)知識以及濾波等操作對圖像進(jìn)行預(yù)處理，對所研究對象中的冗余信息進(jìn)行剔除，并對圖像的形式與特性進(jìn)行規(guī)范；元件標(biāo)準(zhǔn)化就是將所要識別的元件按照一定的標(biāo)準(zhǔn)對其大小、格式等特征進(jìn)行統(tǒng)一，為后續(xù)的識別分類過程做好準(zhǔn)備；特征提取就是根據(jù)奇異值分解的相關(guān)思想，將手寫電氣元件與標(biāo)準(zhǔn)電氣元件相聯(lián)系，提取特征，從而有利于手寫電氣元件的特征識別；元件分類過程，采用最近鄰分類器對樣本進(jìn)行分類，判斷識別方法的準(zhǔn)確性。本發(fā)明通過機(jī)器學(xué)習(xí)及模式識別等方法，利用奇異值分解的思想，對手寫電氣元件進(jìn)行檢測與識別，有利于對手寫電力工程圖紙的有效利用，提高電力工程圖紙的自動化效率，有利于之后相關(guān)工作的開展。

附圖說明

圖1本發(fā)明所述方法的流程圖；

圖2本發(fā)明中所述的電力工程圖示意圖；

圖3手寫電氣元件示意圖。

具體實(shí)施方式

下面結(jié)合實(shí)施例和說明書附圖對本發(fā)明做詳細(xì)的說明，但不限于此。

如圖1-3所示。

實(shí)施例、

一種基于奇異值分解的手寫電氣元件符號識別方法，包括訓(xùn)練部分和測試部分；所述訓(xùn)練部分包括步驟如下：

1-1)對電力工程圖進(jìn)行二值化及去噪處理；

所述步驟1-1)中，所述二值化處理的方法為：通過對手寫元件圖像及電力工程圖像的第三維進(jìn)行平方開方運(yùn)算，將三維矩陣降至二維灰度圖像矩陣，將二維的灰度圖像矩陣轉(zhuǎn)變?yōu)橹挥?、1的矩陣；

所述去噪處理的方法為：通過高斯濾波以及抗椒噪聲的均值濾波對二值化后的矩陣進(jìn)行濾波，有效去除噪聲干擾；

在步驟1-1)中，還包括：對二值化后的矩陣進(jìn)行反轉(zhuǎn)操作；

1-2)對經(jīng)步驟1-1)處理后的圖像中的元件以及手寫電氣元件符號進(jìn)行切割與標(biāo)準(zhǔn)化；

在步驟1-2)中，所述切割與標(biāo)準(zhǔn)化的方法包括，選取手寫元件以及電氣工程元件的重心作為標(biāo)準(zhǔn)化圖像的中心，對原始圖像進(jìn)行相應(yīng)放大、縮小，將圖形規(guī)格標(biāo)準(zhǔn)化至100*100，即每一個元件圖形保證為正方形，邊長為100像素，共10000像素點(diǎn)；

1-3)利用奇異值分解思想訓(xùn)練出奇異值分解模型；

在步驟1-3)中，利用奇異值分解思想利用奇異值分解思想訓(xùn)練出奇異值分解模型的具體方法包括：

在模型訓(xùn)練過程中，假設(shè)X_m、Y_m為m維的特征，其中X_m為電力工程圖元件原始特征，Y_m為手寫電氣元件原始特征；假設(shè)gallery樣本和probe樣本分別有N個樣本，假定訓(xùn)練矩陣如下：

其中矩陣中的每一行代表特征，每一列代表特征的樣本數(shù)；訓(xùn)練矩陣M，gallery樣本和probe樣本的特征會被投影到一個共同的子空間；

利用奇異值分解的思想，訓(xùn)練矩陣M將會被分解為如下三個矩陣：

其中為共同子空間中的串聯(lián)特征，d代表了每一個樣本的特征維數(shù)，是一個對角矩陣，代表M矩陣的奇異值，表示了子空間的標(biāo)準(zhǔn)正交基。

U包括兩種不同的特征，兩種特征是相互獨(dú)立的，U被如下分解：

其中，R_x和R_y分別代表gallery和probe樣本特征子矩陣，即分別為電力工程圖元件特征子矩陣和手寫電氣元件特征子矩陣；

假設(shè)x表示gallery特征即電力工程圖元件特征，y表示probe特征即手寫電氣元件特征：

令K＝SV^T，k^m為K的第m行向量，那么，子空間上的一點(diǎn)λ被表示為

那么電力工程圖元件特征通過點(diǎn)λ將被投影到手寫電氣元件特征的空間，如下，

所述測試部分包括步驟如下：

2-1)對手寫電氣元件符號進(jìn)行切割與標(biāo)準(zhǔn)化；

所述步驟2-1)中，對手寫電氣元件符號進(jìn)行切割與標(biāo)準(zhǔn)化的方法包括：選取手寫元件的重心作為標(biāo)準(zhǔn)化圖像的中心，對原始圖像進(jìn)行相應(yīng)放大、縮小，將圖形規(guī)格標(biāo)準(zhǔn)化至100*100，即每一個元件圖形保證為正方形，邊長為100像素，共10000像素點(diǎn)；

2-2)對經(jīng)步驟2-1)處理后的元件通過訓(xùn)練出的奇異值分解模型進(jìn)行識別；

在所述步驟2-2)中，對經(jīng)步驟2-1)處理后的元件通過訓(xùn)練出的奇異值分解模型進(jìn)行識別方法如下：

給定gallery樣本集即電力工程圖元件特征樣本集，通過樣本x_i計(jì)算點(diǎn)λ，從而得到點(diǎn)那么手寫電氣元件特征即probe樣本特征被如下分類，

π_i其中

其中π_i為樣本的分類標(biāo)簽。