计算机工程与设计
計算機工程與設計
계산궤공정여설계
COMPUTER ENGINEERING AND DESIGN
2010年
18期
4093-4096
,共4页
炼钢物料%分类识别%提升小波%纹理%支持向量机
煉鋼物料%分類識彆%提升小波%紋理%支持嚮量機
련강물료%분류식별%제승소파%문리%지지향량궤
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.
以煉鋼物料的自動識彆為應用揹景,提齣瞭基于快速提升小波變換和支持嚮量機(SVM)的識彆方法.該方法首先運用DB4小波的提升算法對圖像進行"塔式"分解,提取小波繫數統計量作為圖像的紋理特徵組成特徵嚮量,利用SVM算法進行分類.在煉鋼廠原料圖片的分類實驗中,該方法的分類準確率為99.15%,平均圖像特徵提取時間為0.074秒.實驗結果錶明,該方法已滿足企業生產的要求,併且準確率和實時性優于該類應用的其它方法.
이련강물료적자동식별위응용배경,제출료기우쾌속제승소파변환화지지향량궤(SVM)적식별방법.해방법수선운용DB4소파적제승산법대도상진행"탑식"분해,제취소파계수통계량작위도상적문리특정조성특정향량,이용SVM산법진행분류.재련강엄원료도편적분류실험중,해방법적분류준학솔위99.15%,평균도상특정제취시간위0.074초.실험결과표명,해방법이만족기업생산적요구,병차준학솔화실시성우우해류응용적기타방법.
