位置:成果数据库 > 期刊 > 期刊详情页
基于Gabor滤波器和潜在语义分析的烧成状态识别
  • ISSN号:1008-973X
  • 期刊名称:《浙江大学学报:工学版》
  • 时间:0
  • 分类:TP274[自动化与计算机技术—控制科学与工程;自动化与计算机技术—检测技术与自动化装置]
  • 作者机构:[1]东北大学流程工业综合自动化国家重点实验室,自动化研究中心,辽宁沈阳110004
  • 相关基金:国家基础研究发展计划资助项目(20029CB320601); 高等学校学科创新与引智计划资助项目(B08015); 国家自然科学基金重大国际(地区)合作研究资助项目(61020106003); 千人计划引智计划资助项目(P201100020)
中文摘要:

采用Gabor滤波器预处理与潜在语义分析相结合的方法,对回转窑烧成带火焰图像的烧成状态进行了更为准确的识别,避免了基于图像分割技术带来的不精确特征提取和较差的识别结果.基于所构建的压缩Gabor滤波器组对火焰图像进行预处理,增强具有不同纹理特性的特征区域的可分性以有利于后续的特征提取和状态识别步骤.对预处理后的火焰图像采用改进的潜在语义分析提取特征向量进行状态识别,以降低特征维数并避免零频问题.实验结果表明:直接从火焰图像中提取特征进行状态识别的方法是可行的,并且识别的效果较未采用Gabor滤波器预处理、传统潜在语义分析、烧成带温度和图像分割等方法的效果更优.

英文摘要:

A new method based on Gabor filter pre-processing and latent semantic analysis (LSA) was proposed to achieve accurate burning state recognition for the flame image of rotary kiln burning zone, with the goal of avoiding inaccurate feature extraction and poor burning state recognition result involved by the image segmentation-based methods. As the pre-proeessing step, the designed compact Gabor filter bank was employed to distinguish region of interests with distinguishable texture properties to facilitate the subsequent feature extraction and burning state recognition step. For the filtered flame images, the improved LSA method was employed to extract feature vectors to recognize the burning state, with the goal of reducing the dimensionality of features and avoiding zero-frequency problem. Experimental results showed the feasibility of this flame image-based method to extract feature directly to recognize the burning state. Moreover, the recognition performance was superior to the without Gabor filter-based method, traditional LSA-based method, temperature-based method, and image segmentation-based methods.

同期刊论文项目
同项目期刊论文
期刊信息
  • 《浙江大学学报:工学版》
  • 北大核心期刊(2011版)
  • 主管单位:教育部
  • 主办单位:浙江大学
  • 主编:岑可法
  • 地址:杭州市浙大路38号
  • 邮编:310027
  • 邮箱:xbgkb@zju.edu.cn
  • 电话:0571-87952273
  • 国际标准刊号:ISSN:1008-973X
  • 国内统一刊号:ISSN:33-1245/T
  • 邮发代号:32-40
  • 获奖情况:
  • 2000年获浙江省科技期刊质量评比二等奖,中国期刊方阵“双效”期刊
  • 国内外数据库收录:
  • 俄罗斯文摘杂志,美国化学文摘(网络版),波兰哥白尼索引,德国数学文摘,荷兰文摘与引文数据库,美国工程索引,美国剑桥科学文摘,英国科学文摘数据库,日本日本科学技术振兴机构数据库,中国中国科技核心期刊,中国北大核心期刊(2004版),中国北大核心期刊(2008版),中国北大核心期刊(2011版),中国北大核心期刊(2014版)
  • 被引量:21198