作者:
原文服务方: 林业机械与木工设备       
摘要:
针对木材的死节缺陷,提出了一种双向2DPCA(二维主成分分析法)与SVM(支持向量机法)的木材缺陷图像分割算法.首先将RGB彩图灰度化,并将其灰度图分解成互不重叠的子块,然后采用双向2DPCA分别对子块的行、列方向进行特征提取,实现子块的维数约减,最后将约减后的子块矩阵变换成行向量,利用SVM对图像表面死节和背景的行向量进行训练和测试,获取死节缺陷.试验结果表明,该算法目标定位能力强,能很好地实现木材缺陷图像分割,SD、Dice、ER、NR指标分别为86.43%、92.72%、15.32%、0.33%.
推荐文章
基于RCDA的家具表面死节缺陷图像分割
成品家具
死节缺陷
正则化共面判别分析
支持向量机
图像分割
基于改进的NCSPSO优化SVM的木材缺陷图像分割
图像分割
NCSPSO算法
支持向量机
木材缺陷
基于Curvelet和2DPCA的遥感图像融合算法
遥感融合
二维主成分分析
曲波变换
光谱特征
基于BP神经网络的2DPCA人脸识别算法
人脸识别
2DPCA
BP神经网络
图像预处理
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 基于双向2DPCA与SVM的木材死节缺陷图像分割算法
来源期刊 林业机械与木工设备 学科
关键词 双向2DPCA SVM 死节缺陷 图像分割
年,卷(期) 2018,(12) 所属期刊栏目 研究与设计
研究方向 页码范围 61-63,77
页数 4页 分类号 TP391.41
字数 语种 中文
DOI 10.3969/j.issn.2095-2953.2018.12.009
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 程玉柱 南京林业大学机械电子工程学院 35 144 7.0 10.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (160)
共引文献  (59)
参考文献  (14)
节点文献
引证文献  (2)
同被引文献  (31)
二级引证文献  (1)
1980(1)
  • 参考文献(0)
  • 二级参考文献(1)
1989(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)
1995(1)
  • 参考文献(0)
  • 二级参考文献(1)
1997(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(1)
  • 参考文献(0)
  • 二级参考文献(1)
2000(2)
  • 参考文献(0)
  • 二级参考文献(2)
2001(4)
  • 参考文献(0)
  • 二级参考文献(4)
2002(2)
  • 参考文献(0)
  • 二级参考文献(2)
2003(3)
  • 参考文献(0)
  • 二级参考文献(3)
2004(4)
  • 参考文献(1)
  • 二级参考文献(3)
2005(5)
  • 参考文献(1)
  • 二级参考文献(4)
2006(5)
  • 参考文献(0)
  • 二级参考文献(5)
2007(9)
  • 参考文献(0)
  • 二级参考文献(9)
2008(11)
  • 参考文献(0)
  • 二级参考文献(11)
2009(8)
  • 参考文献(0)
  • 二级参考文献(8)
2010(10)
  • 参考文献(0)
  • 二级参考文献(10)
2011(7)
  • 参考文献(0)
  • 二级参考文献(7)
2012(13)
  • 参考文献(0)
  • 二级参考文献(13)
2013(22)
  • 参考文献(0)
  • 二级参考文献(22)
2014(15)
  • 参考文献(1)
  • 二级参考文献(14)
2015(14)
  • 参考文献(1)
  • 二级参考文献(13)
2016(12)
  • 参考文献(1)
  • 二级参考文献(11)
2017(10)
  • 参考文献(2)
  • 二级参考文献(8)
2018(11)
  • 参考文献(7)
  • 二级参考文献(4)
2018(11)
  • 参考文献(7)
  • 二级参考文献(4)
  • 引证文献(0)
  • 二级引证文献(0)
2019(3)
  • 引证文献(2)
  • 二级引证文献(1)
研究主题发展历程
节点文献
双向2DPCA
SVM
死节缺陷
图像分割
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
林业机械与木工设备
月刊
2095-2953
23-1405/S
大16开
1966-01-01
chi
出版文献量(篇)
4723
总下载数(次)
0
总被引数(次)
15760
  • 期刊分类
  • 期刊(年)
  • 期刊(期)
  • 期刊推荐
论文1v1指导