基于模糊灰度共生矩阵与隐马尔可夫模型的断口图像识别
纹理通常由空间分布和灰度分布共同描述,灰度共生矩阵(GLCM)能兼顾二者,故广泛应用于纹理分析中.在计算GLCM时,为降低其维数,需对纹理图像进行灰度量化,这必然丢失部分图像信息.灰度量化时,由灰度值与量化区间中心值的不同距离,构造出相应的模糊隶属度函数,并定义了模糊灰度共生矩阵(FGLCM).通过对断口图像FGLCM的14个特征统计量进行相关性分析,选择角二阶矩和熵等7个统计量作为特征参数,并验证了其有效性.最后,在4类典型断口图像的特征空间上,采用隐马尔可夫模型(HMM)进行分类识别.实践表明,FGLCM比已有的GLCM能更好地表征断口特性,且在HMM状态数为3时,断口分类的平均识别率可达98% .
灰度共生矩阵、模糊灰度共生矩阵、断口图像、隐马尔可夫模型
15
TN957
国家自科基金项目60475002;航空基金项目2008ZD56003;江西省自然科学基金项目2009GZS0090;江西省教育厅科技项目GJJ09483,GJJ08209
2010-11-09(万方平台首次上网日期,不代表论文的发表时间)
共6页
1370-1375