原文服务方: 华侨大学学报(自然科学版)       
摘要:
提出一种基于部分灰度压缩扩阶共生矩阵的煤和煤矸石图像识别方法.首先,对煤和煤矸石0~255级灰度图像的前部分灰度信息作灰度级压缩和灰度矩阵扩阶处理,对剩余灰度级部分保持原灰度级不变;然后,根据灰度共生矩阵纹理特征分析理论,分别计算压缩扩阶后的煤和煤矸石灰度图像的能量、熵、惯性矩及相关性.最后,对煤和煤矸石各100张样本采集图像进行处理,并依据特征参数分类识别.结果表明:基于部分灰度压缩扩阶共生矩阵的特征参数能够很好地对煤和煤矸石图像进行有效识别,总的正确率达到93.5%.
推荐文章
煤与矸石图像灰度信息和纹理特征的提取研究
煤与矸石识别
图像处理
灰度信息
纹理特征
灰度均值
平滑度
灰度共生矩阵
对比度
基于迁移学习的GoogLenet煤矸石图像识别
GoogLenet
煤矸石识别
迁移学习
一种煤矸石优化识别方法
煤矸石分选
煤矸石识别
图像识别
深度学习
三阶矩
煤与矸石图像纹理特征提取方法
煤与矸石
图像处理
纹理特征
局部二值模式
灰度共生矩阵
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 采用部分灰度压缩扩阶共生矩阵的 煤和煤矸石图像识别
来源期刊 华侨大学学报(自然科学版) 学科
关键词 煤矸石 图像识别 特征提取 灰度压缩 扩阶共生矩阵
年,卷(期) 2018,(6) 所属期刊栏目
研究方向 页码范围 906-912
页数 7页 分类号 TP391
字数 语种 中文
DOI 10.11830/ISSN.1000-5013.201610012
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 郑力新 华侨大学工学院 144 934 15.0 24.0
5 余乐 华侨大学工学院 4 20 3.0 4.0
9 杜永兆 华侨大学工学院 13 36 4.0 5.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (65)
共引文献  (177)
参考文献  (12)
节点文献
引证文献  (3)
同被引文献  (8)
二级引证文献  (0)
1973(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)
1986(2)
  • 参考文献(0)
  • 二级参考文献(2)
1992(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)
1994(1)
  • 参考文献(0)
  • 二级参考文献(1)
1997(2)
  • 参考文献(0)
  • 二级参考文献(2)
1998(3)
  • 参考文献(0)
  • 二级参考文献(3)
1999(1)
  • 参考文献(0)
  • 二级参考文献(1)
2000(3)
  • 参考文献(1)
  • 二级参考文献(2)
2001(5)
  • 参考文献(1)
  • 二级参考文献(4)
2003(3)
  • 参考文献(0)
  • 二级参考文献(3)
2004(5)
  • 参考文献(0)
  • 二级参考文献(5)
2005(3)
  • 参考文献(0)
  • 二级参考文献(3)
2006(7)
  • 参考文献(0)
  • 二级参考文献(7)
2007(7)
  • 参考文献(0)
  • 二级参考文献(7)
2008(6)
  • 参考文献(0)
  • 二级参考文献(6)
2009(5)
  • 参考文献(0)
  • 二级参考文献(5)
2010(8)
  • 参考文献(1)
  • 二级参考文献(7)
2011(2)
  • 参考文献(1)
  • 二级参考文献(1)
2012(5)
  • 参考文献(4)
  • 二级参考文献(1)
2013(1)
  • 参考文献(0)
  • 二级参考文献(1)
2014(2)
  • 参考文献(2)
  • 二级参考文献(0)
2015(1)
  • 参考文献(1)
  • 二级参考文献(0)
2018(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)
2019(1)
  • 引证文献(1)
  • 二级引证文献(0)
2020(2)
  • 引证文献(2)
  • 二级引证文献(0)
研究主题发展历程
节点文献
煤矸石
图像识别
特征提取
灰度压缩
扩阶共生矩阵
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
华侨大学学报(自然科学版)
双月刊
1000-5013
35-1079/N
大16开
1980-01-01
chi
出版文献量(篇)
2681
总下载数(次)
0
总被引数(次)
14643
  • 期刊分类
  • 期刊(年)
  • 期刊(期)
  • 期刊推荐
论文1v1指导