多颜色模型分割自学习k-NN设备状态识别方法

摘要

在浪涌测试中,由于每次识别对象不同,直接采用特征匹配每次测试前需要根据受试设备重新训练样本.先根据图像中高亮度点、白光所占比例,决策用于图像分割的颜色模型(L*a*b*、HSL、HSV),实现自适应分割;其次,提出自学习k-NN算法,以像素数n、偏心率e、密实度比r、欧拉数E为样本S特征向量X,构建数据集T0,以欧氏距离D实现样本分类;若样本置信度为k,加入预备数据集T'z中,当T'z满足条件,则扩充数据集Tz形成数据集Tz+1.结果证明:算法在9组各类样本(共21 600帧图像)识别中,准确度可达98.65％;并自学习扩充5组样本,距离矩阵变化较小,可见算法学习效率、学习准确度较高.