Log-Gabor小波和分数阶多项式KPCA的火焰图像状态识别
目的 为了进一步提高锅炉燃烧火焰图像状态识别的性能,提出了一种基于Log-Gabor小波和分数阶多项式核主成分分析(KPCA)的火焰图像状态识别方法.方法 首先利用Log-Gabor滤波器组对火焰图像进行滤波,提取滤波后图像的均值和标准差,并构成纹理特征向量.然后使用分数阶KPCA方法对纹理特征向量进行降维,并将降维后的纹理特征向量输入支持向量机进行分类.结果 本文与基于Log-Gabor小波特征提取以及2种基于Gabor小波特征提取的方法相比,本文方法的分类识别正确率更高,分类精度为76%.同时,第1主分量方差比重与核函数参数d之间满足递增关系.本文方法能够准确地提取火焰图像纹理特征.结论 本文提出一种对锅炉燃烧火焰图像进行状态识别的方法,对提取的火焰图像纹理特征向量进行降维并进行分类,可以获得较高的分类精度.实验结果表明,本文方法分类精度较高,运行时间较短,具有良好的实时性.
燃烧监测、火焰图像、Log-Gabor小波、核主成分分析、支持向量机
19
TK223;TN911(蒸汽动力工程)
国家自然科学基金项目60872065;华中科技大学煤燃烧国家重点实验室开放基金项目FSKLCC1001;江苏高校优势学科建设工程项目
2015-01-07(万方平台首次上网日期,不代表论文的发表时间)
共9页
1785-1793