基于RCDA的家具表面死节缺陷图像分割

针对木制家具的表面死节缺陷,提出一种基于正则化共面判别分析(RCDA,Regularized Coplanar Discriminant Analysis)与支持向量机(SVM,Support Vector Machine)的死节缺陷图像分割算法。将RGB彩色图像转换成灰度图像,对灰度图像进行分块,同时将块变换成列向量,所有列向量组成矩阵进行RCDA维数约减,对约减后的特征进行SVM训练与测试,得到图像块分类结果。最后将块分类矩阵变形成二值分割图,得到死节缺陷目标。试验结果表明,提出的算法效果好,SD、Dice、ER、NR值分别为80.96%、89.48%、23.33%、0.16%。

显示性比较优势指数研究述评

RCA指数自被提出至今,由表示单一的显示性出口比较优势的指数衍变为包括显示性比较劣势(RCDA)指数在内的综合性的显示性贸易综合比较优势(RTA)指数,为提高显示性比较优势指数的综合客观性和精确度以及测量贸易双方的贸易互补性(TC)提供了可靠的技术手段。不断地完善RCA指数有利于更明确的认识和把握某国或某产业的比较优势及其演变趋势。