机械制造与自动化
機械製造與自動化
궤계제조여자동화
JIANGSU MACHINE BUILDING & AUTOMATION
2009年
3期
19-21
,共3页
郑春妍%张玉欣%甘立杰%何秋奇
鄭春妍%張玉訢%甘立傑%何鞦奇
정춘연%장옥흔%감립걸%하추기
小波变换%特征提取%神经网络
小波變換%特徵提取%神經網絡
소파변환%특정제취%신경망락
在研究了汽车车架纵梁图像后,针对汽车车架纵梁上孔的分布特征,提出了多元纵梁图像特征提取的方法.首先,通过小波变换提取图像小波分解系数用作纵梁图像的特征,然后把纵梁图像分成16个子矩阵(4×4)提取纵梁图像的边缘像素数,并作为神经网络的输入,得到纵梁模式识别的基本概率分配,最后根据D-S证据理论的合成规则得到识别结果.试验结果表明,该方法是有效的.
在研究瞭汽車車架縱樑圖像後,針對汽車車架縱樑上孔的分佈特徵,提齣瞭多元縱樑圖像特徵提取的方法.首先,通過小波變換提取圖像小波分解繫數用作縱樑圖像的特徵,然後把縱樑圖像分成16箇子矩陣(4×4)提取縱樑圖像的邊緣像素數,併作為神經網絡的輸入,得到縱樑模式識彆的基本概率分配,最後根據D-S證據理論的閤成規則得到識彆結果.試驗結果錶明,該方法是有效的.
재연구료기차차가종량도상후,침대기차차가종량상공적분포특정,제출료다원종량도상특정제취적방법.수선,통과소파변환제취도상소파분해계수용작종량도상적특정,연후파종량도상분성16개자구진(4×4)제취종량도상적변연상소수,병작위신경망락적수입,득도종량모식식별적기본개솔분배,최후근거D-S증거이론적합성규칙득도식별결과.시험결과표명,해방법시유효적.
