哈尔滨理工大学学报
哈爾濱理工大學學報
합이빈리공대학학보
JOURNAL OF HARBIN UNIVERSITY OF SCIENCE AND TECHNOLOGY
2015年
2期
57-62
,共6页
木材纹理分类%LBP算子%ADABOOST算法%分类器
木材紋理分類%LBP算子%ADABOOST算法%分類器
목재문리분류%LBP산자%ADABOOST산법%분류기
wood texture classification%LBP operator%ADABOOST algorithm%classifier
针对传统木材纹理分类的准确率低且难度大的问题,依据LBP(局部二值)算子和AD-ABOOST(自适应增强)算法理论,提出了LBP-ADABOOST模型对木材纹理进行识别分类.通过均匀旋转不变特性与原始LBP算子相融合,提取纹理的特征值,结合自适应增强算法,从而训练得到每类纹理所对应的分类器模型参数,构造分类器,实现对木材纹理准确高效分类.实验结果表明相比于BP神经网络,SVM支持向量机等分类算法,该模型的实验结果误差率为4%左右,准确率高,实用性强.
針對傳統木材紋理分類的準確率低且難度大的問題,依據LBP(跼部二值)算子和AD-ABOOST(自適應增彊)算法理論,提齣瞭LBP-ADABOOST模型對木材紋理進行識彆分類.通過均勻鏇轉不變特性與原始LBP算子相融閤,提取紋理的特徵值,結閤自適應增彊算法,從而訓練得到每類紋理所對應的分類器模型參數,構造分類器,實現對木材紋理準確高效分類.實驗結果錶明相比于BP神經網絡,SVM支持嚮量機等分類算法,該模型的實驗結果誤差率為4%左右,準確率高,實用性彊.
침대전통목재문리분류적준학솔저차난도대적문제,의거LBP(국부이치)산자화AD-ABOOST(자괄응증강)산법이론,제출료LBP-ADABOOST모형대목재문리진행식별분류.통과균균선전불변특성여원시LBP산자상융합,제취문리적특정치,결합자괄응증강산법,종이훈련득도매류문리소대응적분류기모형삼수,구조분류기,실현대목재문리준학고효분류.실험결과표명상비우BP신경망락,SVM지지향량궤등분류산법,해모형적실험결과오차솔위4%좌우,준학솔고,실용성강.