基于提升小波和SVM分类的炼钢物料识别.pdfVIP

计算机工程与设计 ComputerEngineeringandDesign 2010，31(18) 4093 ·开发与应用 · 基于提升小波和SVM分类的炼钢物料识别 马怀志 ， 吴清潇 ， 郝颖明 (1．中国科学院沈阳 自动化研究所光电信息实验室．，辽宁沈阳110016；2．中国科学院研究生院，北京 100049) 摘 要：以炼钢物料的 自动识别为应用背景，提 出了基于快速提升小波变换和支持向量机(SVM)的识别方法。该方法首先运 用DB4小波的提升算法对 图像进行 “塔式”分解，提取小波系数统计量作为图像的纹理特征组成特征向量 ，利用SVM算法进 行分类。在炼钢厂原料图片的分类实验中，该方法的分类准确率为99．15％，平均图像特征提取时间为0．074秒。实验结果表 明，该方法已满足企业生产的要求，并且准确率和实时性优于该类应用的其它方法。 关键词：炼钢物料；分类识别；提升小波；纹理；支持向量机 中图法分类号：TP391．41 文献标识码：A 文章编号：1000—7024(2010)18—4093．04 Steelmakingmaterialsrecognitionbasedonliftingwavelettransform and SVM classification MAHuai—zhi，WUQing-xiao，HAOYing-ming (1．DepartmentofOptical-ElectronicsandInformationProcessing，ShenyangInstituteofAutomation，ChineseAcademy ofScience，Shenyang110016，China；2．GraduateUniversity,ChineseAcademyofScience，Beijing100049，China) Abstract：Insteelmills，manysteelmakingraw materialsneedtobeidentifiedautomatically~A new classificationmethodbasedon fastliftingwavelettrnasform nadsupportvectormachine (SVM) ispresented．Firstofall，DB4waveletdecomposesthematerial imagein ~‘oweC mannernadthensomewaveletdomainsl~atisticsareabstractedastheimagefacturevector, atlast，imagesare classifiedviaSVM classificationalgorithm．Theexperimentreachesavalidityproportionof99．15％：theaveragetimeforimagefeature exrtactionis0．074s．Th eresultsshow thathtismehtodmeethterequirementsofproduction．nadaccuracyna dreal—timeraesuperiorto ohtermethodsinsuchapplication． Keywords：steelmakingmaterial；classificationandrecognition；liftingwavelet；texture；SVM 用中对处理速度的要求。因此为满足企业的对物料识别精度 0 引 言 和速度 的要求，有必要进一步开展识别方法研究。 在炼钢厂多种炼钢物料都是共用一条皮带输送线分别实 图像的纹理作为图像区域 内形状很小，具有规律性排列 时传送，这些物料依赖于皮带上的电子秤进行总量计算，但是 和重复性出现的图形，能够充分反映图像灰度性质及其空间 无法实现不同种类物料的分别计量。随着企业对物料精细化 关系特