基于最优鉴别特征的电力设备铭牌图像边缘纹理数据识别

• 作者: 常喜强 张陵 王学民 王志远 赵建平 高宝琪
• 来源期刊: 自动化与仪器仪表
• 学科: 工学
• 关键词: 鉴别特征 电力图像 智能识别 最优子集 邻类参量 神经网络 平滑参数
• 年，卷（期）: 2019,（11）
• 所属期刊栏目: 理论创新
• 页码范围: 60-63
• 页数: 4页
• 分类号: TP311
• 语种: 中文
• DOI: 10.14016/j.cnki.1001-9227.2019.11.060

摘要

为解决电力纹理图像精准识别率低下的问题,提出基于最优鉴别特征的电力模糊图像边缘纹理智能识别方法.在电力模糊图像的最优特征鉴别子集中,通过计算提取复杂度的方式,统计图像纹理的邻类参量,完成基于最优鉴别特征的电力模糊图像边缘纹理参量提取.在此基础上,利用边缘神经网络中电力图像节点的分布情况,计算智能平滑参数,并根据现有模糊图像的具体数量,对识别流程进行完善创新,实现新型智能识别方法的搭建.与现有识别手段相比,应用基于最优鉴别特征的电力模糊图像边缘纹理智能识别方法后,横波、纵波电力纹理图像识别准确率的最大值均超过90％,精准识别率低下的问题得到有效解决.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	赵建平		5	4	1.0	1.0
2	常喜强		7	3	1.0	1.0
3	王学民		2	1	1.0	1.0
4	王志远		5	3	1.0	1.0
5	张陵		6	2	1.0	1.0
6	高宝琪		3	1	1.0	1.0