应用改进的灰度共生矩阵识别木材纹理多重特征值

应用改进的灰度共生矩阵识别木材纹理多重特征值

论文摘要

目前木材的主要分类方式是由人的经验进行分类,分类的好坏取决于人的经验。因此机器自动检测分类木材种类变得迫在眉睫,目前机器识别木材种类最主要的方法是应用灰度共生矩阵(GLCM)提取木材纹理特征识别木材种类。但是基于灰度共生矩阵(GLCM)特征提取分类存在缺陷,这是由于木材图片旋转再识别时导致分类精度下降。本研究应用改进的灰度共生矩阵(I-GLCM)提取木材多重特征值,较前人提取的灰度共生矩阵(GLCM)识别木材种类,具有旋转不变性。应用matlab模式识别算法进行训练、分类。结果表明,应用本方法对木材进行分类,分类精度比应用灰度共生矩阵(GLCM)精度高,分类效果较好,是一种新的木材识别方法。

论文目录

  • 1 图像采集与预处理
  •   1.1 基于纹理特征提取的方法
  •   1.2 灰度共生矩阵 (GLCM) 特征提取器
  •   1.3 改进的灰度共生矩阵 (I-GLCM) 特征提取器
  •   1.4 应用改进的灰度共生矩阵 (I-GLCM) 提取多重特征值的特性
  • 2 应用提取特征对木材种类进行分类
  •   2.1 算法的选择
  •   2.2 混淆矩阵
  •   2.3 几种常见木材品种分类结果
  • 3 结论
  • 文章来源

    类型: 期刊论文

    作者: 王清涛,杨洁

    关键词: 木材识别,灰度共生矩阵,改进的灰度共生矩阵,特征值,旋转不变性

    来源: 西北林学院学报 2019年03期

    年度: 2019

    分类: 农业科技,工程科技Ⅰ辑,信息科技

    专业: 轻工业手工业,林业,计算机软件及计算机应用

    单位: 西南林业大学机械与制造工程学院

    基金: 国家自然科学基金(31100424),云南省教育厅重点基金(501001)

    分类号: TP391.41;S781

    页码: 191-195

    总页数: 5

    文件大小: 3032K

    下载量: 377

    相关论文文献

    • [1].基于灰度共生矩阵的直肠肿瘤超声造影不均匀程度的分级方法[J]. 生物医学工程学杂志 2019(06)
    • [2].基于灰度共生矩阵的震后倒塌房屋遥感信息提取——以2014年云南鲁甸6.5级地震为例[J]. 华南地震 2019(02)
    • [3].应用灰度共生矩阵的纹理特征描述的研究[J]. 科学技术与工程 2012(33)
    • [4].基于灰度共生矩阵的帘子布疵点检测研究[J]. 电子技术应用 2008(01)
    • [5].一种融合深度基于灰度共生矩阵的感知模型[J]. 计算机科学 2019(03)
    • [6].基于灰度共生矩阵的地震数据空间结构属性分析技术[J]. 石油地球物理勘探 2012(06)
    • [7].结合改进聚合通道特征和灰度共生矩阵的俯视行人检测算法[J]. 计算机应用 2018(12)
    • [8].基于图像分块处理的灰度共生矩阵瑕疵检测[J]. 信息技术 2018(05)
    • [9].基于灰度共生矩阵的遥感图像分类研究[J]. 科学技术创新 2018(28)
    • [10].基于小波变换和灰度共生矩阵的轮胎花纹检索[J]. 计算机测量与控制 2016(06)
    • [11].图像检索中灰度共生矩阵的构造与实现[J]. 兰州石化职业技术学院学报 2009(01)
    • [12].灰度共生矩阵在三维模型检索中的应用[J]. 齐齐哈尔大学学报(自然科学版) 2019(05)
    • [13].基于灰度共生矩阵的图像自适应分块压缩感知方法[J]. 计算机科学 2018(08)
    • [14].基于旋转机械振动参数图形融合灰度共生矩阵的故障诊断方法[J]. 中国电机工程学报 2008(02)
    • [15].基于方向梯度直方图和灰度共生矩阵混合特征的金文图像识别[J]. 激光与光电子学进展 2020(12)
    • [16].结合巴氏系数和灰度共生矩阵的遥感影像分割[J]. 遥感信息 2019(03)
    • [17].基于灰度共生矩阵和分层聚类的刨花板表面图像缺陷提取方法[J]. 林业科学 2018(11)
    • [18].基于小波灰度共生矩阵的鲜骏枣裂纹分选[J]. 现代电子技术 2018(15)
    • [19].基于改进的灰度共生矩阵参数特征提取的齿轮箱故障诊断[J]. 机械管理开发 2016(09)
    • [20].基于灰度共生矩阵的自动聚焦算法[J]. 光学技术 2018(03)
    • [21].基于灰度共生矩阵的遥感影像纹理特征提取分析[J]. 城市地理 2017(22)
    • [22].灰度共生矩阵在纹理特征提取中的发展[J]. 信息系统工程 2012(01)
    • [23].大规模群体密度估计算法[J]. 电视技术 2010(05)
    • [24].灰度共生矩阵下的遥感图像分类处理[J]. 电脑知识与技术 2019(05)
    • [25].基于灰度共生矩阵和光流法的人群异动事件检测[J]. 计算机与现代化 2014(03)
    • [26].结合小波框架和灰度共生矩阵的纹理分割算法[J]. 电脑知识与技术 2018(12)
    • [27].基于灰度共生矩阵对纹理特征的分析[J]. 西部资源 2012(02)
    • [28].基于灰度共生矩阵和区域生长算法的红外光伏面板图像分割[J]. 科学技术与工程 2018(34)
    • [29].融合典型纹理特征的粒子滤波目标跟踪方法[J]. 计算机工程与应用 2011(34)
    • [30].基于灰度共生矩阵理论的PVA纤维分散评价法[J]. 哈尔滨工业大学学报 2019(01)

    标签:;  ;  ;  ;  ;  

    应用改进的灰度共生矩阵识别木材纹理多重特征值
    下载Doc文档

    猜你喜欢