模式识别与人工智能
2025年4月3日 星期四   首 页     期刊简介     编委会     投稿指南     伦理声明     联系我们                                                                English
模式识别与人工智能  2018, Vol. 31 Issue (5): 453-461    DOI: 10.16451/j.cnki.issn1003-6059.201805007
研究与应用 最新目录| 下期目录| 过刊浏览| 高级检索 |
多特征融合的金属断口图像分类
黎明1, 邢冬冬1, 汪宇玲2, 鲁宇明1
1.南昌航空大学 江西省图像处理与模式识别重点实验室 南昌 330063
2.东华理工大学 江西省放射性地学大数据技术工程实验室南昌 330013
Metal Fracture Image Classification Based on Adaptive Fusion of Multiple Features
LI Ming1, XING Dongdong1, WANG Yuling2, LU Yuming1
1.Key Laboratory of Jiangxi Province for Image Processing and Pattern Recognition, Nanchang Hangkong University, Nanchang 330063
2.Jiangxi Engineering Laboratory on Radioactive Geoscience and Big Data Technology, East China University of Technology, Nanchang 330013

全文: PDF (1189 KB)   HTML (1 KB) 
输出: BibTeX | EndNote (RIS)      
摘要 为了进一步加强金属断口图像特征的鉴别能力,提高断口图像的识别率,提出基于全局与局部纹理特征的多特征融合算法.首先利用Trace变换提取图像全局纹理特征,局部二值模式提取图像局部纹理特征.然后采用动态加权鉴别能量分析对2种特征进行优选和自适应加权融合.最后采用支持向量机进行分类识别.在金属断口图像库上实验表明,文中方法识别率较高,在其它的纹理数据库上具有较好的泛化能力.
服务
把本文推荐给朋友
加入我的书架
加入引用管理器
E-mail Alert
RSS
作者相关文章
鲁宇明
黎明
邢冬冬
汪宇玲
鲁宇明
关键词 动态加权鉴别能量分析多特征融合金属断口图像Trace变换局部二值模式动态加权鉴别能量分析    
Abstract:To enhance the discrimination ability of the extracted features of metal fracture images and improve the recognition rate of fracture images, a multi-feature fusion algorithm is presented by combining global and local texture features. Firstly, the global texture features of the image are extracted by Trace transform, and the local texture features are extracted by the local binary pattern. Then the dynamic weighted discrimination power analysis is employed for feature selection and adaptive weighted fusion. Finally, the classification are conducted by support vector machine. Experimental results on the image database of the metal fracture show that the proposed method produces a high recognition rate. The proposed algorithm also produces a high recognition rate and a strong generalization ability on other texture databases.
Key wordsMulti-feature Fusion    Metal Fracture Image    Trace Transform    Local Binary Pattern    Dynamic Weighted Discrimination Power Analysis    Multi-feature Fusion    Metal Fracture Image    Trace Transform    Local Binary Pattern    Dynamic Weighted Discrimination Power Analysis   
收稿日期: 2018-01-18     
ZTFLH: TP 391.4  
基金资助:国家自然科学基金项目(No.61262019,61402102)、江西省自然科学基金项目(No.20151BAB207042)、江西省教育厅科技项目(No.GJJ170432)、江西省图像处理与模式识别重点实验室开放基金项目(No.ET201880042)、江西省优势创新团队项目(No.20113BCB24009)、江西省放射性地学大数据技术工程实验室开放基金项目(No.JELRGBDT201707)资助
通讯作者: 黎 明,博士,教授,主要研究方向为智能计算、图像处理、模式识别.E-mail:liming@nchu.edu.cn.   
作者简介: 邢冬冬,硕士研究生,主要研究方向为图像处理、模式识别.E-mail:384914159@qq.com.
汪宇玲,博士研究生,副教授,主要研究方向为图像处理、模式识别.E-mail:wangyuling_119@163.com.
鲁宇明,博士,教授,主要研究方向为优化算法、图像处理.E-mail:luyuming69@163.com.
引用本文:   
黎明, 邢冬冬, 汪宇玲, 鲁宇明. 多特征融合的金属断口图像分类[J]. 模式识别与人工智能, 2018, 31(5): 453-461. LI Ming, XING Dongdong, WANG Yuling, LU Yuming. Metal Fracture Image Classification Based on Adaptive Fusion of Multiple Features. , 2018, 31(5): 453-461.
链接本文:  
http://manu46.magtech.com.cn/Jweb_prai/CN/10.16451/j.cnki.issn1003-6059.201805007      或     http://manu46.magtech.com.cn/Jweb_prai/CN/Y2018/V31/I5/453
版权所有 © 《模式识别与人工智能》编辑部
地址:安微省合肥市蜀山湖路350号 电话:0551-65591176 传真:0551-65591176 Email:bjb@iim.ac.cn
本系统由北京玛格泰克科技发展有限公司设计开发 技术支持:support@magtech.com.cn