期刊导航
期刊开放获取
河南省图书馆
退出
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
2
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式:
文摘
详细
列表
相关度排序
被引量排序
时效性排序
结合多尺度边缘增强及自适应谷底检测的浮选气泡图像分割
被引量:
11
1
作者
廖一鹏
王卫星
《光学精密工程》
EI
CAS
CSCD
北大核心
2016年第10期2589-2600,共12页
针对浮选气泡图像噪声大、边界弱、传统谷底检测算法对不同类型气泡分割不具普遍性等问题,提出了一种结合Contourlet多尺度边缘增强及自适应谷底边界检测的气泡分割方法。该方法通过对气泡图像进行Contourlet分解,得到多尺度多方向高频...
针对浮选气泡图像噪声大、边界弱、传统谷底检测算法对不同类型气泡分割不具普遍性等问题,提出了一种结合Contourlet多尺度边缘增强及自适应谷底边界检测的气泡分割方法。该方法通过对气泡图像进行Contourlet分解,得到多尺度多方向高频子带;通过对各方向子带的高频系数进行非线性增益处理,实现边缘增强和噪声抑制。对和声搜索算法的"调音"策略和参数设定方法进行了改进,对不同类型气泡图像自适应地获取谷底边界检测算法的最优参数,提取谷底并进行形态学的边缘完善处理。最后进行了分割实验,并与其它方法做了比较。结果表明,采用该方法对不同类型气泡进行分割时,平均检测效率(DER)和准确率(ACR)分别为91.2%和90.6%,较传统分割方法有较大提高。该方法无需手工调节参数,自适应能力强,精度高。
展开更多
关键词
浮选气泡图像
图像
分割
CONTOURLET变换
多尺度边缘增强
自适应谷底检测
和声搜索算法
下载PDF
职称材料
浮选气泡NSCT域多尺度等效形态特征提取及识别
被引量:
9
2
作者
黄凌霄
廖一鹏
《光学精密工程》
EI
CAS
CSCD
北大核心
2020年第3期704-716,共13页
为了解决浮选气泡图像现场光照不均、相互黏结、无背景等造成的直接形态特征提取困难问题,提出一种浮选气泡NSCT域(Nonsubsampled Contourlet Transform, NSCT)的多尺度等效形态特征提取及识别方法。通过NSCT变换将浮选气泡图像分解为...
为了解决浮选气泡图像现场光照不均、相互黏结、无背景等造成的直接形态特征提取困难问题,提出一种浮选气泡NSCT域(Nonsubsampled Contourlet Transform, NSCT)的多尺度等效形态特征提取及识别方法。通过NSCT变换将浮选气泡图像分解为低频图像和多尺度多方向高频图像;采用模糊集方法二值化低频子带图像,得到气泡亮点图像,提取亮点个数、平均面积、标准差和椭圆率作为等效形态尺寸特征;结合方向模极大值及差分盒维法计算各高频子带方向的分形维数;最后,将多尺度多方向等效形态尺寸特征作为输入,采用量子门节点神经网络对三类浮选气泡图像进行状态识别和分类。实验结果表明,该方法提取的等效形态尺寸特征与分类的相关性高,能对三种类型浮选气泡图像进行有效的状态识别,平均识别准确率达95.1%。本算法的识别准确率较几种流行算法而言有较大提高,适用于动态变化的浮选工况。
展开更多
关键词
浮选气泡图像
多尺度等效形态特征
NSCT变换
模糊集二值化
模极大值分形维数
量子门节点神经网络
下载PDF
职称材料
题名
结合多尺度边缘增强及自适应谷底检测的浮选气泡图像分割
被引量:
11
1
作者
廖一鹏
王卫星
机构
福州大学物理与信息工程学院
出处
《光学精密工程》
EI
CAS
CSCD
北大核心
2016年第10期2589-2600,共12页
基金
国家自然科学基金资助项目(No.61170147
No.61471124)
文摘
针对浮选气泡图像噪声大、边界弱、传统谷底检测算法对不同类型气泡分割不具普遍性等问题,提出了一种结合Contourlet多尺度边缘增强及自适应谷底边界检测的气泡分割方法。该方法通过对气泡图像进行Contourlet分解,得到多尺度多方向高频子带;通过对各方向子带的高频系数进行非线性增益处理,实现边缘增强和噪声抑制。对和声搜索算法的"调音"策略和参数设定方法进行了改进,对不同类型气泡图像自适应地获取谷底边界检测算法的最优参数,提取谷底并进行形态学的边缘完善处理。最后进行了分割实验,并与其它方法做了比较。结果表明,采用该方法对不同类型气泡进行分割时,平均检测效率(DER)和准确率(ACR)分别为91.2%和90.6%,较传统分割方法有较大提高。该方法无需手工调节参数,自适应能力强,精度高。
关键词
浮选气泡图像
图像
分割
CONTOURLET变换
多尺度边缘增强
自适应谷底检测
和声搜索算法
Keywords
flotation froth image
image segmentation
Contourlet transform
multi-scale edge enhancement
adaptive valley detection
harmony search algorithm
分类号
TP391.4 [自动化与计算机技术—计算机应用技术]
下载PDF
职称材料
题名
浮选气泡NSCT域多尺度等效形态特征提取及识别
被引量:
9
2
作者
黄凌霄
廖一鹏
机构
阳光学院人工智能学院
福州大学物理与信息工程学院
出处
《光学精密工程》
EI
CAS
CSCD
北大核心
2020年第3期704-716,共13页
基金
国家自然科学基金资助项目(No.61471124,61601126)
福建省自然科学基金资助项目(No.2019J01224)。
文摘
为了解决浮选气泡图像现场光照不均、相互黏结、无背景等造成的直接形态特征提取困难问题,提出一种浮选气泡NSCT域(Nonsubsampled Contourlet Transform, NSCT)的多尺度等效形态特征提取及识别方法。通过NSCT变换将浮选气泡图像分解为低频图像和多尺度多方向高频图像;采用模糊集方法二值化低频子带图像,得到气泡亮点图像,提取亮点个数、平均面积、标准差和椭圆率作为等效形态尺寸特征;结合方向模极大值及差分盒维法计算各高频子带方向的分形维数;最后,将多尺度多方向等效形态尺寸特征作为输入,采用量子门节点神经网络对三类浮选气泡图像进行状态识别和分类。实验结果表明,该方法提取的等效形态尺寸特征与分类的相关性高,能对三种类型浮选气泡图像进行有效的状态识别,平均识别准确率达95.1%。本算法的识别准确率较几种流行算法而言有较大提高,适用于动态变化的浮选工况。
关键词
浮选气泡图像
多尺度等效形态特征
NSCT变换
模糊集二值化
模极大值分形维数
量子门节点神经网络
Keywords
flotation bubble image
multi-scale equivalent morphological features
Nonsubsampled Contourlet Transform(NSCT)
binarization of fuzzy sets
modulus maxima fractal dimension
quantum gate node neural network
分类号
TP391.41 [自动化与计算机技术—计算机应用技术]
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
结合多尺度边缘增强及自适应谷底检测的浮选气泡图像分割
廖一鹏
王卫星
《光学精密工程》
EI
CAS
CSCD
北大核心
2016
11
下载PDF
职称材料
2
浮选气泡NSCT域多尺度等效形态特征提取及识别
黄凌霄
廖一鹏
《光学精密工程》
EI
CAS
CSCD
北大核心
2020
9
下载PDF
职称材料
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部