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:
提出了一种有效描述白酒显微图像中微粒的形状和结构分布的组合特征提取方法,研究了基于显微图像的白酒识别方法.显微图像先经过全差分滤波增强,以及互熵阀值区域分割.然后提取显微图像的形状和结构特征,包括所有区域面积、周长和低阶矩的总和、均值及方差,最大5个区域的畸度和圆度,以及区域数目,共计26个特征值.最后基于BP神经网络建立白酒识别模型.通过实验,比较了传统形状特征与文中提出的形状及结构组合特征在白酒识别中的效果,结果表明使用文中提供的形状及结构组合特征获得更高的识别率,达到95%以上.
推荐文章
基于特征函数的钻孔图像结构面识别方法
钻孔图像
结构面
特征函数
迭代匹配
基于修正不变矩和范数的物体特征识别方法
特征提取
不变矩
范数
物体识别
基于特征融合的多节点调制识别方法
传感器网络
分布式结构
调制识别
似然比
特征融合
基于数据块特征的地面目标识别方法研究
地面目标
图像识别
数据块
匹配
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 基于形状和结构特征的白酒识别方法研究
来源期刊 四川师范大学学报(自然科学版) 学科 工学
关键词 显微图像 白酒鉴别 结构特征 形状特征 BP神经网络
年,卷(期) 2011,(4) 所属期刊栏目 技术与应用
研究方向 页码范围 593-596
页数 分类号 TS207.3
字数 3261字 语种 中文
DOI 10.3969/j.issn.1001-8395.2011.04.029
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 陈顺玲 四川理工学院理学院 9 19 3.0 4.0
2 王贤秋 四川理工学院自动化与电子信息学院 8 26 4.0 4.0
3 李咏红 四川理工学院自动化与电子信息学院 8 5 2.0 2.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (22)
共引文献  (14)
参考文献  (12)
节点文献
引证文献  (1)
同被引文献  (6)
二级引证文献  (13)
1971(1)
  • 参考文献(1)
  • 二级参考文献(0)
1979(1)
  • 参考文献(0)
  • 二级参考文献(1)
1980(3)
  • 参考文献(2)
  • 二级参考文献(1)
1981(1)
  • 参考文献(1)
  • 二级参考文献(0)
1991(3)
  • 参考文献(1)
  • 二级参考文献(2)
1992(1)
  • 参考文献(1)
  • 二级参考文献(0)
1993(1)
  • 参考文献(0)
  • 二级参考文献(1)
1994(2)
  • 参考文献(1)
  • 二级参考文献(1)
1995(1)
  • 参考文献(0)
  • 二级参考文献(1)
1996(1)
  • 参考文献(0)
  • 二级参考文献(1)
1997(2)
  • 参考文献(1)
  • 二级参考文献(1)
1998(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)
2002(3)
  • 参考文献(0)
  • 二级参考文献(3)
2003(2)
  • 参考文献(0)
  • 二级参考文献(2)
2004(6)
  • 参考文献(1)
  • 二级参考文献(5)
2005(1)
  • 参考文献(0)
  • 二级参考文献(1)
2007(2)
  • 参考文献(2)
  • 二级参考文献(0)
2010(1)
  • 参考文献(1)
  • 二级参考文献(0)
2011(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)
2014(1)
  • 引证文献(1)
  • 二级引证文献(0)
2015(2)
  • 引证文献(0)
  • 二级引证文献(2)
2016(4)
  • 引证文献(0)
  • 二级引证文献(4)
2017(2)
  • 引证文献(0)
  • 二级引证文献(2)
2018(1)
  • 引证文献(0)
  • 二级引证文献(1)
2019(3)
  • 引证文献(0)
  • 二级引证文献(3)
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
显微图像
白酒鉴别
结构特征
形状特征
BP神经网络
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
四川师范大学学报(自然科学版)
双月刊
1001-8395
51-1295/N
大16开
成都市静安路5号
1978
chi
出版文献量(篇)
3968
总下载数(次)
9
总被引数(次)
17783
  • 期刊分类
  • 期刊(年)
  • 期刊(期)
  • 期刊推荐
论文1v1指导