化工自动化及仪表
化工自動化及儀錶
화공자동화급의표
CONTROL AND INSTRUMENTS IN CHEMICAL INDUSTRY
2009年
2期
38-42,58
,共6页
气固流化床%流型识别%图像处理%傅里叶变换%纹理特征%概率神经网络
氣固流化床%流型識彆%圖像處理%傅裏葉變換%紋理特徵%概率神經網絡
기고류화상%류형식별%도상처리%부리협변환%문리특정%개솔신경망락
提出一种基于图像傅里叶变换纹理特征和概率神经网络相结合的气固流化床流型识别的新方法.该方法利用高速摄影系统获取流型图像.首先对流型图像进行组合滤波去噪,然后运用长方环傅里叶周向谱能量百分比法来计算图像频率分布特征,从而建立流型图像的纹理特征向量,并结合概率神经网络进行训练,实现流型的识别.实验结果表明,该方法能有效地识别气固流化床中鼓泡床、节涌床、湍动床、快速流化床、稀相输送五种典型流型,整体识别率达到98%,为流型识别开辟一条新途径.
提齣一種基于圖像傅裏葉變換紋理特徵和概率神經網絡相結閤的氣固流化床流型識彆的新方法.該方法利用高速攝影繫統穫取流型圖像.首先對流型圖像進行組閤濾波去譟,然後運用長方環傅裏葉週嚮譜能量百分比法來計算圖像頻率分佈特徵,從而建立流型圖像的紋理特徵嚮量,併結閤概率神經網絡進行訓練,實現流型的識彆.實驗結果錶明,該方法能有效地識彆氣固流化床中鼓泡床、節湧床、湍動床、快速流化床、稀相輸送五種典型流型,整體識彆率達到98%,為流型識彆開闢一條新途徑.
제출일충기우도상부리협변환문리특정화개솔신경망락상결합적기고류화상류형식별적신방법.해방법이용고속섭영계통획취류형도상.수선대류형도상진행조합려파거조,연후운용장방배부리협주향보능량백분비법래계산도상빈솔분포특정,종이건립류형도상적문리특정향량,병결합개솔신경망락진행훈련,실현류형적식별.실험결과표명,해방법능유효지식별기고류화상중고포상、절용상、단동상、쾌속류화상、희상수송오충전형류형,정체식별솔체도98%,위류형식별개벽일조신도경.
