基于支持向量机的覆冰图像分类方法研究

• 作者: 周云峰 徐云水 李金 杨静思 沈龙 王妍玮 高俊
• 来源期刊: 黑龙江大学工程学报
• 学科: 工学
• 关键词: 覆冰图像 支持向量机 图像分类
• 年，卷（期）: 2018,（2）
• 所属期刊栏目: 电子与机电工程
• 页码范围: 59-64
• 页数: 6页
• 分类号: TN911.73
• 字数: 3398字
• 语种: 中文
• DOI: 10.13524/j.2095-008x.2018.02.027

摘要

在覆冰检测系统中,不同的环境条件导致覆冰层密度不同.相同的覆冰厚度对输电线路的威胁程度不同,能够根据覆冰图像判断不同类型的覆冰尤为重要.采用一种基于颜色特征和支持向量机(SVM)的覆冰图像分类方法,首先,通过图像的颜色直方图提取图像的特征矢量;其次,采用SVM分类器进行训练;最后使用训练模型进行检测,以判断覆冰图像中导线的覆冰种类.实验结果表明,基于颜色的图像特征提取的分类准确率为80％ ～90％,说明该方法得到的训练模型对未知样本具有很好的泛化能力.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	李金	哈尔滨工程大学自动化学院	55	369	11.0	16.0
2	高俊		3	4	1.0	1.0
3	王妍玮	哈尔滨工程大学自动化学院	6	6	1.0	1.0
4	杨静思		6	3	1.0	1.0
5	沈龙		4	6	2.0	2.0
6	徐云水		3	4	1.0	1.0
7	周云峰		2	3	1.0	1.0