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:
提出了基于小波提取零件图像特征的方法,该方法是应用小波变换对零件图像进行多尺度边缘检测,将被检测的边缘图像分成若干个子区域,分别统计其中的边缘像素量,各区域中的相对边缘像素系数作为零件图像特征,利用神经网络实现识别.文中给出样本的实验结果,结果表明文中提出的方法是有效的.
推荐文章
基于图像处理与卷积神经网络的零件识别
零件识别
图像饱和度
种子填充法
尺度不变特征转换
卷积神经网络
基于Logistic回归的零件图像区域提取
零件图像
区域提取
机器视觉
Logistic回归
梯度上升法
零件图像特征提取和识别的研究
小波变换
特征提取
模式识别
神经网络
浅析零件图像的特征提取和识别方法
模式识别
边缘检测
像素
神经网络
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 基于小波神经网络的零件图像特征提取和识别
来源期刊 仪器仪表学报 学科 工学
关键词 小波变换 多尺度 特征提取 模式识别
年,卷(期) 2005,(8) 所属期刊栏目 控制理论
研究方向 页码范围 1491-1493
页数 3页 分类号 TH12
字数 1719字 语种 中文
DOI 10.3321/j.issn:0254-3087.2005.08.283
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 陈桂 69 368 11.0 15.0
2 夏庆观 33 201 8.0 13.0
3 路红 33 179 7.0 12.0
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  (1)
节点文献
引证文献  (9)
同被引文献  (10)
二级引证文献  (80)
1992(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)
2006(1)
  • 引证文献(1)
  • 二级引证文献(0)
2007(9)
  • 引证文献(4)
  • 二级引证文献(5)
2008(12)
  • 引证文献(0)
  • 二级引证文献(12)
2009(11)
  • 引证文献(2)
  • 二级引证文献(9)
2010(11)
  • 引证文献(1)
  • 二级引证文献(10)
2011(7)
  • 引证文献(0)
  • 二级引证文献(7)
2012(7)
  • 引证文献(0)
  • 二级引证文献(7)
2013(9)
  • 引证文献(0)
  • 二级引证文献(9)
2014(4)
  • 引证文献(0)
  • 二级引证文献(4)
2015(10)
  • 引证文献(1)
  • 二级引证文献(9)
2016(1)
  • 引证文献(0)
  • 二级引证文献(1)
2017(3)
  • 引证文献(0)
  • 二级引证文献(3)
2018(3)
  • 引证文献(0)
  • 二级引证文献(3)
2019(1)
  • 引证文献(0)
  • 二级引证文献(1)
研究主题发展历程
节点文献
小波变换
多尺度
特征提取
模式识别
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
仪器仪表学报
月刊
0254-3087
11-2179/TH
大16开
北京市东城区北河沿大街79号
2-369
1980
chi
出版文献量(篇)
12507
总下载数(次)
27
总被引数(次)
146776
论文1v1指导