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:
针对现有纹理分类算法的局限性,提出了一种基于Gabor小波和支持向量机的纹理分类算法.首先提取纹理Gabor分解后各子带的均值和方差作为特征向量,进而利用支持向量机算法实现分类.实验结果表明,与传统的分类方法相比,Gabor小波和支持向量机相结合能有效地提高分类正确率.
推荐文章
基于复小波和支持向量机的纹理分类法
小波变换
二元树复小波变换
特征提取
支持向量机
纹理分类
基于Gabor小波支持向量机的人脸检测
Gabor小波
支持向量机
人脸检测
模式识别
基于小波变换和支持向量机的彩色纹理识别
纹理
彩色空间
小波变换(WT)
支持向量机(SVM)
纹理识别
基于二维Gabor小波和支持向量机的人脸识别
人脸识别
小波特征
主成分分析
支持向量机
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 应用Gabor小波和支持向量机的纹理分类
来源期刊 电视技术 学科 工学
关键词 Gabor小波 支持向量机 特征提取 纹理分类
年,卷(期) 2006,(9) 所属期刊栏目 数字电视与数字视频
研究方向 页码范围 14-16,27
页数 4页 分类号 TN91
字数 3605字 语种 中文
DOI 10.3969/j.issn.1002-8692.2006.09.004
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 练秋生 燕山大学电子与通信工程系 110 1442 20.0 33.0
2 尚燕 燕山大学电子与通信工程系 4 42 4.0 4.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (4)
共引文献  (30)
参考文献  (5)
节点文献
引证文献  (5)
同被引文献  (7)
二级引证文献  (3)
1973(1)
  • 参考文献(1)
  • 二级参考文献(0)
1996(1)
  • 参考文献(1)
  • 二级参考文献(0)
1997(1)
  • 参考文献(1)
  • 二级参考文献(0)
1998(2)
  • 参考文献(1)
  • 二级参考文献(1)
1999(1)
  • 参考文献(0)
  • 二级参考文献(1)
2000(1)
  • 参考文献(0)
  • 二级参考文献(1)
2001(1)
  • 参考文献(0)
  • 二级参考文献(1)
2003(1)
  • 参考文献(1)
  • 二级参考文献(0)
2006(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)
2009(2)
  • 引证文献(2)
  • 二级引证文献(0)
2010(1)
  • 引证文献(1)
  • 二级引证文献(0)
2011(1)
  • 引证文献(1)
  • 二级引证文献(0)
2012(1)
  • 引证文献(1)
  • 二级引证文献(0)
2014(1)
  • 引证文献(0)
  • 二级引证文献(1)
2015(1)
  • 引证文献(0)
  • 二级引证文献(1)
2020(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
Gabor小波
支持向量机
特征提取
纹理分类
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
电视技术
月刊
1002-8692
11-2123/TN
大16开
北京市朝阳区酒仙桥北路乙7号(北京743信箱杂志社)
2-354
1977
chi
出版文献量(篇)
12294
总下载数(次)
21
总被引数(次)
42632
论文1v1指导