基于多尺度图像增强结合卷积神经网络的纸病识别分类

• 作者: 加小红 李云彤 李光明 薛丁华 雷涛
• 来源期刊: 中国造纸
• 学科: 工学
• 关键词: 图像增强 卷积神经网络 多尺度形态学梯度 图像分类
• 年，卷（期）: 2018,（8）
• 所属期刊栏目: 技术报告
• 页码范围: 47-54
• 页数: 8页
• 分类号: TS77|TP302.1
• 字数: 6536字
• 语种: 中文
• DOI: 10.11980/j.issn.0254-508X.2018.08.009

摘要

针对造纸工业中传统纸病识别分类依赖于特征描述子和分类器的选择问题,提出一种多尺度图像增强结合卷积神经网络的纸病识别分类方法.该方法利用多尺度形态学梯度增强纸病图像的边缘轮廓信息,突出缺陷梯度特征,然后利用卷积神经网络(CNN)学习纸病图像的特征并分类识别,从而实现纸病的准确识别分类.实验结果表明,该方法对纸病识别分类的结果明显优于HOG+SVM、LBP+ SVM以及传统CNN方法,在Caltech101、KTH-TIPS以及本课题的数据集上的分类正确识别率分别达到98.44％、99.23％和99.64％.与现有纸病识别分类方法相比,本课题方法不需针对各种纸病进行缺陷特征提取和特征描述,能快速实现纸病的准确识别分类.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	李光明	陕西科技大学电气与信息工程学院	62	260	10.0	13.0
2	雷涛	陕西科技大学电气与信息工程学院	11	12	3.0	3.0
3	薛丁华	陕西科技大学电气与信息工程学院	3	1	1.0	1.0
4	加小红	陕西科技大学电气与信息工程学院	4	5	1.0	2.0
5	李云彤	陕西科技大学电气与信息工程学院	1	1	1.0	1.0