-
公开(公告)号：CN101996328A
公开(公告)日：2011-03-30
申请号：CN201010506395.4
申请日：2010-10-14
申请人： 浙江农林大学
IPC分类号： G06K9/62
摘要： 本发明涉及一种木材识别方法，包括如下步骤：（1）特征量生成：将一张木材图像分块处理，提取每张分块图像的局部特征，并将多个分块的局部特征组合形成所述的木材图像的特征，用聚类处理对所述的木材图像的特征进行聚类归并，提取聚类信息，在此基础上，对聚类信息进行筛选处理，形成所述的木材图像的特征量；（2）对包含有N张木材原始图像的训练样本集中的每张图像重复步骤（1），生成一个包含N个特征量的特征集；（3）对待识别木材图像重复步骤（1），生成待识别木材图像的特征量；（4）将待识别木材图像的特征量与所述的特征集用EMD算法计算生成N个EMD距离，对N个EMD距离进行分类处理，得出识别结果。具有较高的识别率。
-
公开(公告)号：CN101996328B
公开(公告)日：2012-10-10
申请号：CN201010506395.4
申请日：2010-10-14
申请人： 浙江农林大学
IPC分类号： G06K9/62
摘要： 本发明涉及一种木材识别方法，包括如下步骤：（1）特征量生成：将一张木材图像分块处理，提取每张分块图像的局部特征，并将多个分块的局部特征组合形成所述的木材图像的特征，用聚类处理对所述的木材图像的特征进行聚类归并，提取聚类信息，在此基础上，对聚类信息进行筛选处理，形成所述的木材图像的特征量；（2）对包含有N张木材原始图像的训练样本集中的每张图像重复步骤（1），生成一个包含N个特征量的特征集；（3）对待识别木材图像重复步骤（1），生成待识别木材图像的特征量；（4）将待识别木材图像的特征量与所述的特征集用EMD算法计算生成N个EMD距离，对N个EMD距离进行分类处理，得出识别结果。具有较高的识别率。
-
公开(公告)号：CN102136074B
公开(公告)日：2012-09-26
申请号：CN201110050779.4
申请日：2011-03-03
申请人： 浙江农林大学
IPC分类号： G06K9/66
摘要： 本发明涉及一种基于MMI的木材图像纹理分析和识别方法，包括如下步骤：在给定木材图像的特征明显部位选取一块子区域，得到该区域的二值图；用HLAC模板取二值图的匹配图；在匹配图上提取连通区域特征、直方图特征和区域矩特征；重复步骤1～3，形成训练样本集；对待识别木材图像重复步骤1～3，基于提取到的特征集与训练样本集采用SVM进行分类，得出识别结果。由于模板匹配图包含了该模板下的图像的所有信息，所以，在匹配图基础上进行的特征提取包含了木材图像上丰富的纹理特征（包括统计和几何特征），集成上述几类提取到的特征能够有效表达图像的纹理结构和空间关系，能够有效地对图像进行纹理分析，更易于后续的分类和识别的应用。
-
公开(公告)号：CN102136074A
公开(公告)日：2011-07-27
申请号：CN201110050779.4
申请日：2011-03-03
申请人： 浙江农林大学
IPC分类号： G06K9/66
摘要： 本发明涉及一种基于MMI的木材图像纹理分析和识别方法，包括如下步骤：在给定木材图像的特征明显部位选取一块子区域，得到该区域的二值图；用HLAC模板取二值图的匹配图；在匹配图上提取连通区域特征、直方图特征和区域矩特征；重复步骤1～3，形成训练样本集；对待识别木材图像重复步骤1～3，基于提取到的特征集与训练样本集采用SVM进行分类，得出识别结果。由于模板匹配图包含了该模板下的图像的所有信息，所以，在匹配图基础上进行的特征提取包含了木材图像上丰富的纹理特征（包括统计和几何特征），集成上述几类提取到的特征能够有效表达图像的纹理结构和空间关系，能够有效地对图像进行纹理分析，更易于后续的分类和识别的应用。
-
公开(公告)号：CN102054172A
公开(公告)日：2011-05-11
申请号：CN201010582636.3
申请日：2010-12-10
申请人： 浙江农林大学
IPC分类号： G06K9/22
摘要： 本发明涉及计算机应用技术领域，尤其涉及基于差值矢量生成部件的手写汉字合成方法，首先读取标准汉字部件库，获取标准汉字的部件组成和部件图像；然后读取部件差值矢量库，获得标准汉字部件与手写部件之间的坐标的差值矢量集，标准汉字部件加上坐标差值矢量集，生成手写部件；最后根据标准汉字部件库中存储的标准汉字的部件和部件之间的特征，组合已生成的手写部件，合成手写汉字，本发明能够在采集少量用户手写字体的前提下，自动合成手写字，采集成本低。
-
-
-
-
搜索结果
5 条记录 (耗时 0.022 秒)
