论文摘要
目的针对单一方面特征难以准确表达印刷标志套准状态的问题,研究印刷标志图像多维特征提取、融合和降维的印刷套准识别方法。方法提取印刷标志图像的灰度共生矩阵、Tamura纹理特征、灰度差分统计特征和灰度梯度共生矩阵表达其纹理,并采用主成分分析法对融合后的多维特征进行降维处理,得到主特征。将印刷标志图像的主特征数据分成训练集和测试集。支持向量机模型通过对训练集的学习确定模型参数,然后在测试集上验证模型的性能。结果文中建议方法在测试集上的识别准确率为99%,训练集对支持向量机模型的训练时间为1.9327 s,模型在测试集上的识别时间为0.0307 s,模型的总体时间(训练时间和识别时间之和)为1.9634s。结论文中建议方法优于采用单一方面特征的识别准确率;同时在不影响识别准确率的情况下,优于未PCA降维方法的模型训练时间、识别时间和总体时间。
论文目录
文章来源
类型: 期刊论文
作者: 简川霞,林子嘉,杜美剑,吴一凡,谢俊生
关键词: 印刷套准,特征降维,支持向量机
来源: 包装工程 2019年21期
年度: 2019
分类: 工程科技Ⅱ辑,工程科技Ⅰ辑,信息科技
专业: 轻工业手工业,计算机软件及计算机应用
单位: 广东工业大学
基金: 广东工业大学青年基金重点项目（17QNZD001）,广东省信息物理融合系统重点实验室项目（2016B030301008）,广东省数控一代机械产品创新应用示范工程专项资金项目（2013B011301023）,大学生创新创业训练计划（201911845008,xj201911845005,xj201911845014）
分类号: TS801;TP391.41
DOI: 10.19554/j.cnki.1001-3563.2019.21.036
页码: 242-249
总页数: 8
文件大小: 941K
下载量: 53
相关论文文献
- [1].基于上下文特征融合的行为识别算法[J]. 计算机工程与应用 2020(02)
- [2].多生物特征融合发展现状及其展望[J]. 小型微型计算机系统 2017(08)
- [3].基于特征融合的人体运动识别[J]. 医用生物力学 2019(06)
- [4].基于关节空时特征融合的人体行为识别[J]. 计算机工程与设计 2020(01)
- [5].依据特征融合和深度学习的树木叶片分类方法[J]. 东北林业大学学报 2020(06)
- [6].基于特征融合与支持向量机的人脸活体检测技术[J]. 数字技术与应用 2020(05)
- [7].基于局部和全局特征融合的显著性检测[J]. 计算机工程与设计 2020(06)
- [8].基于多源遥感时空谱特征融合的滑坡灾害检测方法[J]. 计算机研究与发展 2020(09)
- [9].基于特征融合的脑部图像多级分类[J]. 国外电子测量技术 2020(11)
- [10].一种多层特征融合的道路场景实时分割方法[J]. 测绘通报 2020(01)
- [11].用于表示级特征融合与分类的相关熵融合极限学习机[J]. 电子与信息学报 2020(02)
- [12].多维度特征融合的教学行为智能分析模式构建[J]. 电化教育研究 2020(10)
- [13].基于多级别特征融合的医学图像检索技术[J]. 南华大学学报(自然科学版) 2014(02)
- [14].基于多视角特征融合的中文垃圾微博过滤[J]. 山东大学学报(理学版) 2013(11)
- [15].基于时空特征融合的端到端无人车控制[J]. 科学技术与工程 2019(30)
- [16].基于特征融合与深度学习的非侵入式负荷辨识算法[J]. 电力系统自动化 2020(09)
- [17].基于脉搏波特征融合的驾驶疲劳检测方法[J]. 中国公路学报 2020(06)
- [18].特征融合和集成学习在大学生助学金预测中的应用[J]. 西安科技大学学报 2020(04)
- [19].基于特征融合网络的行人重识别[J]. 计算机系统应用 2019(01)
- [20].强化深度特征融合的行人搜索系统[J]. 计算机与现代化 2019(08)
- [21].传统特征和深度特征融合的红外空中目标跟踪[J]. 系统工程与电子技术 2019(12)
- [22].基于图像与生理参数特征融合的情感识别方法研究[J]. 合肥工业大学学报(自然科学版) 2017(06)
- [23].一种异质特征融合分类算法[J]. 电子技术与软件工程 2013(02)
- [24].一种点线特征融合的双目同时定位与地图构建方法[J]. 科学技术与工程 2020(12)
- [25].分层特征融合注意力网络图像超分辨率重建[J]. 中国图象图形学报 2020(09)
- [26].基于多姿态特征融合生成对抗网络的人脸校正方法[J]. 计算机应用 2020(10)
- [27].特征融合在植物叶片识别中的应用研究[J]. 软件导刊 2020(10)
- [28].特征融合与尺度自适应的核相关滤波目标跟踪[J]. 计算机工程与设计 2019(06)
- [29].特征融合自适应目标跟踪[J]. 图学学报 2018(05)
- [30].基于典型相关分析的水声特征融合方法研究[J]. 中国科技信息 2014(01)