林业科学
林業科學
임업과학
SCIENTIA SILVAE SINICAE
2013年
11期
116-121
,共6页
刘子豪%祁亨年%张广群%汪杭军
劉子豪%祁亨年%張廣群%汪杭軍
류자호%기형년%장엄군%왕항군
核主成分分析%自适应增强%图像压缩%木材识别%计算机视觉
覈主成分分析%自適應增彊%圖像壓縮%木材識彆%計算機視覺
핵주성분분석%자괄응증강%도상압축%목재식별%계산궤시각
kernel principle component analysis (KPCA)%AdaBoost%image compression%wood identification%computer vision
提出一种基于核主成分分析(KPCA)和自适应增强(AdaBoost)的木材识别算法.通过把图像投影到KPCA高维空间,利用PCA方法对该空间中的数据进行特征提取和压缩,使用Gentle AdaBoost进行分类.结果表明:本方法对基于横切面微观构造图像的木材识别,具有较高的识别率和算法鲁棒性且运行时间快的特点.
提齣一種基于覈主成分分析(KPCA)和自適應增彊(AdaBoost)的木材識彆算法.通過把圖像投影到KPCA高維空間,利用PCA方法對該空間中的數據進行特徵提取和壓縮,使用Gentle AdaBoost進行分類.結果錶明:本方法對基于橫切麵微觀構造圖像的木材識彆,具有較高的識彆率和算法魯棒性且運行時間快的特點.
제출일충기우핵주성분분석(KPCA)화자괄응증강(AdaBoost)적목재식별산법.통과파도상투영도KPCA고유공간,이용PCA방법대해공간중적수거진행특정제취화압축,사용Gentle AdaBoost진행분류.결과표명:본방법대기우횡절면미관구조도상적목재식별,구유교고적식별솔화산법로봉성차운행시간쾌적특점.
