期刊文献+

基于提升小波和SVM分类的炼钢物料识别 被引量:3

Steelmaking materials recognition based on lifting wavelet transform and SVM classification
下载PDF
导出
摘要 以炼钢物料的自动识别为应用背景,提出了基于快速提升小波变换和支持向量机(SVM)的识别方法。该方法首先运用DB4小波的提升算法对图像进行"塔式"分解,提取小波系数统计量作为图像的纹理特征组成特征向量,利用SVM算法进行分类。在炼钢厂原料图片的分类实验中,该方法的分类准确率为99.15%,平均图像特征提取时间为0.074秒。实验结果表明,该方法已满足企业生产的要求,并且准确率和实时性优于该类应用的其它方法。 In steel mills, many steelmaking raw materials need to be identified automatically. A new classification method based on fast lifting wavelet transform and support vector machine (SVM) is presented. First of all, DB4 wavelet decomposes the material image in "tower" manner and then some wavelet domain sl:atistics are abstracted as the image facture vector, at last, images are classified via SVM classification algorithm. The experiment reaches a validity proportion of 99.15%; the average time for image feature extraction is 0.074s. The results show that this method meet the requirements of production, and accuracy and real-time are superior to other methods in such application.
出处 《计算机工程与设计》 CSCD 北大核心 2010年第18期4093-4096,共4页 Computer Engineering and Design
关键词 炼钢物料 分类识别 提升小波 纹理 支持向量机 steelmaking material classification and recognition lifting wavelet texture SVM
  • 相关文献

参考文献9

二级参考文献27

  • 1任彬,汪炳权,束学斌,罗斌.基于直方图移动平均的红外热图像自动模糊聚类分割方法[J].模式识别与人工智能,1996,9(3):278-282. 被引量:5
  • 2郭桂蓉 谢维信.模糊模式识别[M].长沙:国防科技大学出版社,1993..
  • 3TimothyJ.Ross Fuzzy logic with engineering applications[M].北京:电子工业出版社,1995..
  • 4Kevin M.Passino&amp,Stephen Yurkovich Fuzzy control[M].北京:清华大学出版社,1998..
  • 5Kenneth R.Castleman Digital image processing[M].北京:电子工业出版社,1996..
  • 6CHUICK.An introduction to wavelets[M].AcademicPress,SanDiego,1992.
  • 7靳济芳.Visual C++小波变换与工程实践[M].北京:人民邮电出版社,2002.63-106.
  • 8胡昌华 张军波编著.基于MATLAB的系统分析与设计--小波分析[M].西安:西安电子科技大学,2000.265-266.
  • 9章毓晋.图像工程上册-图像处理和分析[M].北京:清华大学出版社,1999.68-70.
  • 10Rafael CG,Richard EW.数字图像处理[M].阮秋琦,阮宇智译.北京:电子工业出版社,2003.

共引文献274

同被引文献37

引证文献3

二级引证文献55

相关作者

内容加载中请稍等...

相关机构

内容加载中请稍等...

相关主题

内容加载中请稍等...

浏览历史

内容加载中请稍等...
;
使用帮助 返回顶部