基于Grouplet-RVM的金属断口图像识别方法研究
Grouplet变换是一种基于图像几何流最佳稀疏表示的正交变换,可以最大限度地利用图像的几何特征.关联向量机具有很好的泛化能力,能对类别的归属给出一种概率度量.结合Grouplet变换和关联向量机的各自优点,提出了一种基于Grouplet-RVM识别方法,提出的方法以Grouplet平均能量、Grouplet调和熵和Grouplet峭度为特征量,RVM为识别器,并成功地应用到金属断口图像识别中.实验结果表明,提出的方法是有效的,Grouplet峭度比Grouplet平均能量、Grouplet调和熵对断口图像的纹理变化更敏感,特别适于金属断口的特征提取.与小波-RVM识别方法相比较,提出的方法克服了小波-RVM识别方法只能获取图像有限的方向信息,取得了更高的识别率.和Grouplet-SVM识别方法相比较,Grouplet-RVM识别方法和Grouplet-SVM识别方法有同样好的识别率,然而,Grouplet-RVM的识别速度明显优于Grouplet-SVM识别方法,特别是随着训练样本的增加,这种优势越明显.
Grouplet变换、关联向量机、特征提取、模式识别、金属断口
35
TG113;TP391.4(金属学与热处理)
国家自然科学基金51261024,51075372
2014-08-08(万方平台首次上网日期,不代表论文的发表时间)
共7页
1347-1353