基于提升小波和SVM分类的炼钢物料识别
文献类型：期刊论文
| 作者 | 郝颖明 ; 吴清潇
|
| 刊名 | 计算机工程与设计
 |
| 出版日期 | 2010 |
| 卷号 | 31期号:18页码:4093-4096 |
| 关键词 | 炼钢物料 分类识别 提升小波 纹理 支持向量机 |
| ISSN号 | 1000-7024 |
| 其他题名 | Steelmaking materials recognition based on lifting wavelet transform and SVM classification |
| 产权排序 | 1 |
| 通讯作者 | 马怀志 |
| 中文摘要 | 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。 |
| 英文摘要 | 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 statistics 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 extracti... |
| 收录类别 | CSCD |
| 语种 | 中文 |
| CSCD记录号 | CSCD:3988319 |
| 公开日期 | 2012-05-29 |
| 源URL | [http://ir.sia.ac.cn/handle/173321/7136]  |
| 专题 | 沈阳自动化研究所_光电信息技术研究室 |
| 推荐引用方式 GB/T 7714 | 郝颖明,吴清潇. 基于提升小波和SVM分类的炼钢物料识别[J]. 计算机工程与设计,2010,31(18):4093-4096. |
| APA | 郝颖明,&吴清潇.(2010).基于提升小波和SVM分类的炼钢物料识别.计算机工程与设计,31(18),4093-4096. |
| MLA | 郝颖明,et al."基于提升小波和SVM分类的炼钢物料识别".计算机工程与设计 31.18(2010):4093-4096. |
入库方式： OAI收割
来源：沈阳自动化研究所
浏览0
下载0
收藏0
其他版本
除非特别说明，本系统中所有内容都受版权保护，并保留所有权利。