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:
应用数字图像处理技术提取非均质岩土材料的细观特征是量化其细观结构的有效途径.为提高图像处理的质量和效率,在进行数字图像处理的阈值分割时,采用统计学习理论中的支持向量机分类方法.选取待原始图像的一个矩形区域作为训练样本图像,提取这些样本点的特征与训练目标一起组成训练样本集,通过对训练样本集的学习,生成SVM(support vector machine)分类机,利用SVM分类机提取原始图像中的特征图像.以花岗岩为例,利用该方法提取其细观结构,结果表明,合理选取训练样本和模型参数,可以提高图像处理的准确率和效率,得到最佳的处理结果.
推荐文章
基于支持向量机方法的噪声图像分割
支持向量机
噪声图像分割
计算机视觉
统计学习理论
基于支持向量机的路面图像分类方法
路面分类
颜色特征
纹理特征
模糊支持向量机
基于支持向量机的图像分割
指纹识别
图像分割
特征向量
支持向量机
基于改进支持向量机的医学图像分割
支持向量机
CV模型
磁共振图像
医学图像分割
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 应用支持向量机处理岩土材料的细观图像
来源期刊 重庆大学学报(自然科学版) 学科 工学
关键词 岩石力学 细观结构 图像处理 支持向量机
年,卷(期) 2008,(7) 所属期刊栏目 土木工程
研究方向 页码范围 720-724
页数 5页 分类号 TU451
字数 3204字 语种 中文
DOI
五维指标
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (84)
共引文献  (264)
参考文献  (11)
节点文献
引证文献  (7)
同被引文献  (15)
二级引证文献  (10)
1984(3)
  • 参考文献(0)
  • 二级参考文献(3)
1986(1)
  • 参考文献(0)
  • 二级参考文献(1)
1987(1)
  • 参考文献(0)
  • 二级参考文献(1)
1988(1)
  • 参考文献(0)
  • 二级参考文献(1)
1991(1)
  • 参考文献(0)
  • 二级参考文献(1)
1992(1)
  • 参考文献(0)
  • 二级参考文献(1)
1994(2)
  • 参考文献(0)
  • 二级参考文献(2)
1996(5)
  • 参考文献(0)
  • 二级参考文献(5)
1997(3)
  • 参考文献(0)
  • 二级参考文献(3)
1998(5)
  • 参考文献(0)
  • 二级参考文献(5)
1999(7)
  • 参考文献(0)
  • 二级参考文献(7)
2000(7)
  • 参考文献(0)
  • 二级参考文献(7)
2001(5)
  • 参考文献(0)
  • 二级参考文献(5)
2002(21)
  • 参考文献(0)
  • 二级参考文献(21)
2003(11)
  • 参考文献(1)
  • 二级参考文献(10)
2004(6)
  • 参考文献(3)
  • 二级参考文献(3)
2005(9)
  • 参考文献(2)
  • 二级参考文献(7)
2006(3)
  • 参考文献(2)
  • 二级参考文献(1)
2007(3)
  • 参考文献(3)
  • 二级参考文献(0)
2008(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(1)
  • 引证文献(1)
  • 二级引证文献(0)
2010(4)
  • 引证文献(3)
  • 二级引证文献(1)
2011(1)
  • 引证文献(0)
  • 二级引证文献(1)
2012(1)
  • 引证文献(1)
  • 二级引证文献(0)
2013(1)
  • 引证文献(1)
  • 二级引证文献(0)
2014(2)
  • 引证文献(0)
  • 二级引证文献(2)
2015(3)
  • 引证文献(1)
  • 二级引证文献(2)
2017(3)
  • 引证文献(0)
  • 二级引证文献(3)
2018(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
岩石力学
细观结构
图像处理
支持向量机
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
重庆大学学报
月刊
1000-582X
50-1044/N
大16开
重庆市沙坪坝正街174号
78-16
1960
chi
出版文献量(篇)
6349
总下载数(次)
8
总被引数(次)
85737
相关基金
国家自然科学基金
英文译名:the National Natural Science Foundation of China
官方网址:http://www.nsfc.gov.cn/
项目类型:青年科学基金项目(面上项目)
学科类型:数理科学
论文1v1指导