学位论文 > 优秀研究生学位论文题录展示
多目标矿业复杂图像特征提取与分类
作 者: 王兰莎
导 师: 张国英
学 校: 北京化工大学
专 业: 计算机应用技术
关键词: 矿石图像 形状特征 颜色特征 纹理特征 支持向量机
分类号: TP391.41
类 型: 硕士论文
年 份: 2011年
下 载: 37次
引 用: 0次
阅 读: 论文下载
内容摘要
矿石的特征提取与分类能够实时反映采选现场矿石性质的变化,及时调整各流程上的负荷分配,实现整个生产流程的高效稳定运行。矿石的类型决定了其应用的领域及实用价值,而分类的效果由提取的特征数据影响,因此矿石的特征提取与分类具有非常重要的意义。基于计算机的智能分类系统比传统的人工筛分具有更高的效率,且能够提供更准确的分类结果。由于传送带矿石图像目标堆积,目标和背景不易区分。同时采集环境恶劣,使得采集图像昏暗模糊,使得对图像中各目标的准确分类非常困难。本文着重研究传送带矿石图像的特征提取与目标分类问题,矿石目标的特征提取是矿石准确分类的基础。因此,本文研究了多目标矿业复杂图像的颜色、纹理和形态特征提取方法。首先对采集到的高噪声且模糊的矿石图像进行预处理,在分水岭分割区域的基础上应用八链码技术提取区域的形状特征;并基于RGB和HSV颜色空间提取目标区域的颜色特征;同时基于统计方法的共生矩阵提取区域的纹理特征。为了综合考察提取出的形状、颜色和纹理特征,提出基于目标区域的融合特征提取技术,该方法能够综合考虑目标矿石的整体形态特征与内部细节特征,通过支持向量机对提取的目标矿石特征向量进行分类实验,分类结果不仅反映矿石目标的性质,同时验证特征提取方法是否有效。本文研究了对图像像素的颜色和纹理综合特征进行kmeans聚类,对图像分割后目标区域内综合颜色、纹理和形态特征进行支持向量机分类,及对目标区域内的颜色、纹理和形态特征经过PCA降维后进行支持向量机分类实验。结果表明形态特征有利于矿石目标的正确分类,目标识别率得到明显提高;提取出的颜色、纹理和形态特征进行PCA降维后也有利于矿石目标的正确分类。
|
全文目录
摘要 4-6 ABSTRACT 6-12 第一章 绪论 12-18 1.1 图像特征提取及分类在矿业领域的研究意义 12 1.2 矿业领域图像特征提取研究 12-15 1.2.1 颜色特征提取研究 13 1.2.2 纹理特征提取研究 13-14 1.2.3 形状特征提取研究 14-15 1.3 矿石图像的分类研究 15-16 1.4 研究内容 16-18 第二章 矿石形状特征提取 18-32 2.1 矿石图像预处理 18-20 2.2 基于分水岭方法的矿石目标提取 20-25 2.2.1 分水岭分割算法 20-24 2.2.2 矿石图像分割实验 24-25 2.3 目标区域形状特征提取 25-30 2.3.1 目标区域边界提取 25-27 2.3.2 区域形状特征值提取 27-29 2.3.3 矿石形状特征提取实验 29-30 2.4 本章小结 30-32 第三章 矿石颜色纹理特征提取 32-48 3.1 矿石图像增强 32-37 3.1.1 灰度变换增强 32-34 3.1.2 双边滤波参数讨论 34-37 3.2 矿石纹理特征提取 37-41 3.2.1 灰度共生矩阵特点 37-38 3.2.2 矿石目标纹理特征选取 38-40 3.2.3 纹理特征聚类效果 40-41 3.3 矿石颜色特征提取 41-45 3.3.1 颜色模型选择 42-43 3.3.2 矿石颜色特征提取 43-44 3.3.3 颜色特征聚类实验 44-45 3.4 本章小结 45-48 第四章 矿石图像目标分类 48-64 4.1 图像像素颜色和纹理特征融合 48-52 4.1.1 图像像素颜色纹理特征融合 48-49 4.1.2 融合特征集降维 49-52 4.1.3 特征集聚类结果及分析 52 4.2 矿石目标内像素特征融合 52-55 4.2.1 目标区域内颜色和纹理特征融合 53 4.2.2 目标区域内纹理颜色和形态特征融合 53-54 4.2.3 聚类结果及分析 54-55 4.3 分类训练样本提取 55-58 4.3.1 矿石目标样本的选取 55-57 4.3.2 样本特征的提取 57-58 4.4 SVM在矿石目标分类中的应用 58-62 4.4.1 SVM核函数选择 58-61 4.4.2 SVM分类结果分析 61-62 4.5 本章小结 62-64 第五章 总结与展望 64-66 5.1 总结 64 5.2 展望 64-66 参考文献 66-70 致谢 70-72 研究成果及发表的学术论文 72-74 作者和导师简介 74-75 硕士研究生学位论文答辩委员会决议书 75-76
|
相似论文
- 基于SVM的常压塔石脑油干点软测量建模研究,TE622.1
- 基于SVM的高速公路路面浅层病害的自动检测算法研究,U418.6
- 基于PCA-SVM的液体火箭发动机试验台故障诊断算法研究,V433.9
- 空间目标ISAR成像仿真及基于ISAR像的目标识别,TN957.52
- 音乐结构自动分析研究,TN912.3
- 基于三维重建的焊点质量分类方法研究,TP391.41
- 胆囊炎和肾病综合症脉象信号的特征提取与分类研究,TP391.41
- 直推式支持向量机研究及其在图像检索中的应用,TP391.41
- 基于SVM的中医舌色苔色分类方法研究,TP391.41
- 基于图像的路面破损识别,TP391.41
- 基于支持向量机的故障诊断方法研究,TP18
- 过程支持向量机及其在卫星热平衡温度预测中的应用研究,TP183
- 基于监督流形学习算法的固有不规则蛋白质结构预测研究,Q51
- 基于云理论和蜜蜂进化型遗传算法的纹理合成研究,TP391.41
- 基于车载3D加速传感器的路况监测研究,TP274
- 高光谱图像技术诊断黄瓜病害方法的研究,S436.421
- 基于机器学习的入侵检测系统研究,TP393.08
- 支持向量机回归在短期电力负荷预测中的应用研究,TM715;F224
- 面向文本分类的改进K近邻的支持向量机算法研究,TP391.1
- 基于AdaBoost算法的人脸识别研究,TP391.41
- 面向肺部CAD的特征提取、选择及分类方法研究,TP391.41
中图分类: > 工业技术 > 自动化技术、计算机技术 > 计算技术、计算机技术 > 计算机的应用 > 信息处理(信息加工) > 模式识别与装置 > 图像识别及其装置
© 2012 www.xueweilunwen.com
|