基本信息来源于合作网站,原文需代理用户跳转至来源网站获取       
摘要:
为了提取较为精细的图像信息,引入了多尺度2维小波分析织物的表面折皱.织物图像首先经过高斯滤波,再利用小波变换分解并从中提取高频信息,然后结合4种表征织物折皱的特征参数,计算不同折皱等级模板的特征值,通过分析特征值与折皱等级的相关系数,表明这4种特征参数可以作为模式识别的输入量;最后采用Kohonen自组织神经网络客观评定织物的折皱等级,自组织神经网络将不同等级的织物折皱模板进行分类,并以此为依据,确定26种不同织物类型的折皱等级.为了定量描述评定结果,通过计算客观评定与主观评定结果的相关系数,验证该方法的可行性.
推荐文章
应用自组织神经网络客观评定织物折皱等级
自组织神经网络
模式识别
折皱等级
ASTER数据的自组织神经网络分类研究
分类
小波融合
自组织特征映射
神经网络
基于粗糙集和自组织神经网络的聚类方法
自组织神经网络
粗糙集
聚类
基于自组织神经网络的机械臂全局滑模控制
全局滑模控制
神经网络
建模误差
抖振
滑模面
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 织物表面折皱的小波分析与自组织神经网络等级评定
来源期刊 中国图象图形学报 学科 工学
关键词 小波分析 特征提取 折皱等级评定
年,卷(期) 2005,(4) 所属期刊栏目 学术论文与技术报告
研究方向 页码范围 473-478
页数 6页 分类号 TN701
字数 3163字 语种 中文
DOI 10.3969/j.issn.1006-8961.2005.04.013
五维指标
作者信息
序号 姓名 单位 发文数 被引次数 H指数 G指数
1 杨晓波 浙江财经学院信息学院 30 225 9.0 13.0
2 黄秀宝 东华大学纺织学院 39 746 13.0 26.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (0)
共引文献  (0)
参考文献  (6)
节点文献
引证文献  (4)
同被引文献  (10)
二级引证文献  (13)
1988(1)
  • 参考文献(1)
  • 二级参考文献(0)
1989(1)
  • 参考文献(1)
  • 二级参考文献(0)
1992(1)
  • 参考文献(1)
  • 二级参考文献(0)
1995(2)
  • 参考文献(2)
  • 二级参考文献(0)
2000(1)
  • 参考文献(1)
  • 二级参考文献(0)
2005(0)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(0)
  • 二级引证文献(0)
2007(1)
  • 引证文献(1)
  • 二级引证文献(0)
2008(1)
  • 引证文献(0)
  • 二级引证文献(1)
2009(2)
  • 引证文献(1)
  • 二级引证文献(1)
2010(1)
  • 引证文献(0)
  • 二级引证文献(1)
2011(1)
  • 引证文献(0)
  • 二级引证文献(1)
2013(2)
  • 引证文献(0)
  • 二级引证文献(2)
2014(1)
  • 引证文献(0)
  • 二级引证文献(1)
2017(2)
  • 引证文献(0)
  • 二级引证文献(2)
2018(3)
  • 引证文献(1)
  • 二级引证文献(2)
2019(1)
  • 引证文献(0)
  • 二级引证文献(1)
2020(2)
  • 引证文献(1)
  • 二级引证文献(1)
研究主题发展历程
节点文献
小波分析
特征提取
折皱等级评定
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
中国图象图形学报
月刊
1006-8961
11-3758/TB
大16开
北京9718信箱
82-831
1996
chi
出版文献量(篇)
5906
总下载数(次)
17
  • 期刊分类
  • 期刊(年)
  • 期刊(期)
  • 期刊推荐
论文1v1指导