-
公开(公告)号：CN101140216A
公开(公告)日：2008-03-12
申请号：CN200710055957.6
申请日：2007-08-08
Applicant: 东北电力大学
Abstract: 一种基于数字图像处理技术的气液两相流流型识别方法，其特点是：该方法利用高速摄影机获取水平管道内不同工况下气液两相流的流动图像；经过图像处理技术后提取图像不变矩和灰度共生矩阵特征；运用粗糙集理论进行特征融合，降低特征维数，并以此特征向量构成流型样本对支持向量机进行训练，完成从特征空间到流型空间的映射，最终实现流型识别。所采用的粗糙集理论融合了图像纹理信息和形状信息，提高分类器的识别精度，同时降低了训练时间，能够全面反映流型图像特征；所应用的支持向量机流型识别方法对样本数据的依赖程度和泛化能力比BP神经网络要好，训练时间较短，适合流型在线识别。
-
公开(公告)号：CN100573100C
公开(公告)日：2009-12-23
申请号：CN200710055957.6
申请日：2007-08-08
Applicant: 东北电力大学
Abstract: 一种基于数字图像处理技术的气液两相流流型识别方法，其特点是：该方法利用高速摄影机获取水平管道内不同工况下气液两相流的流动图像；经过图像处理技术后提取图像不变矩和灰度共生矩阵特征；运用粗糙集理论进行特征融合，降低特征维数，并以此特征向量构成流型样本对支持向量机进行训练，完成从特征空间到流型空间的映射，最终实现流型识别。所采用的粗糙集理论融合了图像纹理信息和形状信息，提高分类器的识别精度，同时降低了训练时间，能够全面反映流型图像特征；所应用的支持向量机流型识别方法对样本数据的依赖程度和泛化能力比BP神经网络要好，训练时间较短，适合流型在线识别。
-
Search Results
2
records
(took 0.028 seconds)
