基于提升小波和SVM分类的炼钢物料识别

被引：4

作者：

马怀志 ^{[1
,2
]}

吴清潇 ^{[1
]}

郝颖明 ^{[1
]}

机构：

[1] 中国科学院沈阳自动化研究所光电信息实验室

[2] 中国科学院研究生院

来源：

计算机工程与设计 | 2010年 / 31卷 / 18期

关键词：

炼钢物料; 分类识别; 提升小波; 纹理; 支持向量机;

D O I：

10.16208/j.issn1000-7024.2010.18.033

中图分类号：

TP391.41 [];

学科分类号：

080203 ;

摘要：

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。

引用

页码：4093 / 4096

页数：4

共 7 条

[1] 图像纹理识别中最优小波基的选择 [J].