中央高校基本科研业务费专项资金(JUSRP21132)
- 作品数：4 被引量：56H指数：3
- 相关作者：黄敏朱晓朱启兵冯朝丽更多>>
- 相关机构：江南大学更多>>
- 发文基金：中央高校基本科研业务费专项资金江苏省自然科学基金国家自然科学基金更多>>
- 相关领域：自动化与计算机技术农业科学更多>>
- 基于非负矩阵分解一稀疏表示分类的玻璃缺陷图像识别
- 基于机器视觉的玻璃缺陷识别对于高效的生产优质玻璃具有重要意义论文提出了一种将非负矩阵分解与稀疏表示分类相结合的玻璃缺陷图像识别方法针对玻璃缺陷图像的高维特点,采用非负矩阵分解算法将高维缺陷图像分解为基图像和加权系数矩阵,...
- 杨宝朱启兵黄敏
- 关键词：特征提取非负矩阵分解
- 文献传递
- 基于高光谱图像的玉米种子特征提取与识别被引量：29
- 2012年
- 玉米种子的形态特征是玉米品种识别的重要因素之一.采用高光谱成像系统获取9个品种共432粒玉米种子的高光谱反射图像,对图像进行校正和预处理,提取每个样本在563.6～911.4nm共55个波段范围内的形状特征.分别利用单波段、多波段和全波段下的玉米种子形状特征结合偏最小二乘判别法进行模型分类.结果显示,全波段范围内训练集和测试集的平均正确识别率达到98.31%和93.98%,均优于多波段和单波段的正确识别率.研究表明,该方法能充分利用高光谱图像中可见光和近红外区域的有效特征信息,较准确地鉴别玉米品种,为玉米品种的自动识别领域提供了一种新方法.
- 黄敏朱晓朱启兵冯朝丽
- 关键词：高光谱图像玉米种子
- 基于图像熵信息的玉米种子纯度高光谱图像识别被引量：26
- 2012年
- 种子纯度是种子质量的一个重要标志,为寻求快速有效的种子纯度识别方法,该文利用高光谱图像技术研究了玉米种子的分类识别问题。首先对17类玉米品种共1632粒种子的高光谱图像提取400～1000nm波长范围内233个波段的熵信息作为分类特征;然后利用偏最小二乘(PLS)投影算法对玉米高光谱图像进行最优波段选择,共获得65个最优波段特征;最后结合偏最小二乘判别分析法(PLSDA)实现了玉米种子的准确识别分类。分类结果表明,在最优波段数仅为全波段27.90%的情况下,其训练精度可以达到99.19%、测试精度为98.90%,可实现多类别样本条件下的玉米种子纯度识别。
- 朱启兵冯朝丽黄敏朱晓
- 关键词：机器视觉光谱分析种子玉米图像熵
- 基于小波变换的高光谱散射图像苹果内部品质预测
- 高光谱散射技术可以对水果的内部品质进行无损检测,但高光谱散射图像包含了大量的数据,需对其进行有效的数据降维对600个''''Golden Delicious''''苹果样本的图像分析,采用Danbechies小波系的Db...
- 赵鑫黄敏朱启兵
- 关键词：小波变换数据降维
- 文献传递
- 基于核非负分解的人脸图像特征提取与分类
- 2012年
- 针对非负矩阵分解算法在样本维数过高情况下收敛效果差的问题,提出了一种核矩阵非负分解算法。通过核映射方法获得表征样本间相似度的核矩阵,以减小样本类内散度,增大样本类间散度,从而改善样本内部噪声干扰,提高样本间的线性可分度;再将核矩阵在非负条件约束下分解为基向量及其加权系数矩阵,用系数矩阵作为原样本特征。经人脸图像特征提取与分类实验验证,新算法可更好地提取高维人脸图像的低维特征,提高分类正确率。
- 杨宝朱启兵
- 关键词：核矩阵人脸图像特征提取
- 基于高光谱图像技术和SVDD的玉米种子识别被引量：9
- 2013年
- 特征提取的充分性和分类器设计的合理性是影响玉米种子识别精度的两个关键问题。采集了玉米种子的高光谱图像,并提取每粒玉米种子在不同波段下的图像熵作为分类特征;在此基础上,利用支持向量数据描述方法构建每类玉米的分类器模型,对待识别样本的测试精度达到了94.14%,对新类别样本的识别精度达到92.28%。仿真结果表明:新方法可实现玉米种子的准确识别,同时解决了传统分类器对新类别样本的错误分类问题。
- 朱启兵冯朝丽黄敏朱晓
- 关键词：玉米种子支持向量数据描述
