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:
针对传统单阈值板材缺陷分割算法易陷入局部最优、早熟以及收敛速度慢等缺点,提出了一种基于改进蜂群算法的单阈值分割算法.为了提高缺陷分类准确率并减少运算量,将稀疏表达分类器(SRC)运用到板材缺陷分类过程中.改进算法每次迭代都会同时进行全局和局部搜索,且侦查蜂随机全局选取蜜源以加快收敛速度,搜索半径可以根据时变搜索参数进行自适应调整,SRC可将缺陷分类问题转换为求最稀疏系数解的过程.结果表明,本文算法可以准确快速地计算出最佳分割阈值,并将分类准确率提高到90%以上,具有一定的可靠性与可行性.
推荐文章
改进蜂群算法的图像阈值分割方法
图像分割
人工蜂群算法
最大类间方差法
局部搜索
二维直方图
基于改进蜂群繁殖算法的Tsallis熵阈值图像分割
图像分割
Tsallis熵
多阈值
蜂群繁殖算法
分割速度
基于二维阈值向量的木材表面缺陷分割方法
木材表面缺陷
图像分割
灰度-梯度共生矩阵
最大熵
形态学
基于Kirsch算子的动态阈值旋切单板缺陷图像分割方法
旋切单板
图像分割
Kirsch算子
动态阈值
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 基于蜂群单阈值分割的SRC板材缺陷分类方法
来源期刊 沈阳工业大学学报 学科 工学
关键词 板材缺陷 蜂群算法 单阈值分割 蜜源 稀疏表达分类器 搜索半径 时变搜索参数 最稀疏系数
年,卷(期) 2017,(3) 所属期刊栏目 信息科学与工程
研究方向 页码范围 292-298
页数 7页 分类号 TP391.4
字数 5934字 语种 中文
DOI 10.7688/j.issn.1000-1646.2017.03.10
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 刘亚秋 东北林业大学信息与计算机工程学院 55 259 9.0 13.0
2 魏晓慧 东北林业大学信息与计算机工程学院 29 157 8.0 10.0
3 马晓珍 东北林业大学信息与计算机工程学院 2 2 1.0 1.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (100)
共引文献  (113)
参考文献  (15)
节点文献
引证文献  (0)
同被引文献  (0)
二级引证文献  (0)
1971(1)
  • 参考文献(0)
  • 二级参考文献(1)
1979(1)
  • 参考文献(0)
  • 二级参考文献(1)
1980(1)
  • 参考文献(0)
  • 二级参考文献(1)
1984(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)
1993(2)
  • 参考文献(0)
  • 二级参考文献(2)
1995(1)
  • 参考文献(0)
  • 二级参考文献(1)
1998(1)
  • 参考文献(0)
  • 二级参考文献(1)
1999(2)
  • 参考文献(0)
  • 二级参考文献(2)
2002(7)
  • 参考文献(0)
  • 二级参考文献(7)
2003(1)
  • 参考文献(0)
  • 二级参考文献(1)
2004(2)
  • 参考文献(0)
  • 二级参考文献(2)
2005(6)
  • 参考文献(0)
  • 二级参考文献(6)
2006(11)
  • 参考文献(2)
  • 二级参考文献(9)
2007(2)
  • 参考文献(0)
  • 二级参考文献(2)
2008(11)
  • 参考文献(0)
  • 二级参考文献(11)
2009(11)
  • 参考文献(1)
  • 二级参考文献(10)
2010(7)
  • 参考文献(1)
  • 二级参考文献(6)
2011(6)
  • 参考文献(0)
  • 二级参考文献(6)
2012(15)
  • 参考文献(2)
  • 二级参考文献(13)
2013(11)
  • 参考文献(1)
  • 二级参考文献(10)
2014(8)
  • 参考文献(4)
  • 二级参考文献(4)
2015(4)
  • 参考文献(2)
  • 二级参考文献(2)
2016(2)
  • 参考文献(2)
  • 二级参考文献(0)
2017(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)
研究主题发展历程
节点文献
板材缺陷
蜂群算法
单阈值分割
蜜源
稀疏表达分类器
搜索半径
时变搜索参数
最稀疏系数
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
沈阳工业大学学报
双月刊
1000-1646
21-1189/T
大16开
沈阳市铁西区南十三路1号
8-165
1964
chi
出版文献量(篇)
2983
总下载数(次)
5
总被引数(次)
22269
论文1v1指导