摘要:Grouplet变换是一种基于图像几何流最佳稀疏表示的正交变换,可以最大限度地利用图像的几何特征。关联向量机具有很好的泛化能力,能对类别的归属给出一种概率度量。结合Grouplet变换和关联向量机的各自优点,提出了一种基于Grouplet—RVM识别方法,提出的方法以Grouplet平均能量、Grouplet调和熵和Grouplet峭度为特征量,RVM为识别器,并成功地应用到金属断口图像识别中。实验结果表明,提出的方法是有效的,Grouplet峭度比Grouplet平均能量、Grouplet调和熵对断口图像的纹理变化更敏感,特别适于金属断口的特征提取。与小波.RVM识别方法相比较,提出的方法克服了小波一RVM识别方法只能获取图像有限的方向信息,取得了更高的识别率。和Grouplet—SVM识别方法相比较,Grouplet—RVM识别方法和Grouplet—SVM识别方法有同样好的识别率,然而,Grouplet-RVM的识别速度明显优于Grouplet-SVM识别方法,特别是随着训练样本的增加,这种优势越明显。
关键词:grouplet变换 关联向量机 特征提取 模式识别 金属断口
单位:南昌航空大学无损检测技术教育部重点实验室 南昌330063 汕头大学工学院 汕头515063
注:因版权方要求,不能公开全文,如需全文,请咨询杂志社