摘要
在模式识别中,灰度共生矩阵(GLCM)能够很好的提取图片的纹理特征,流形学习中的局部线性嵌入(LLE)方法是一种有效的非线性降维方法。结合两者的优点,经过严格的推导,提出一种基于灰度共生矩阵与流形学习的金属断口图像识别方法 GLCM–LLE。将提出的方法与传统的基于灰度共生矩阵的方法进行对比,实验结果表明,提出的方法在识别率方面优于GLCM方法,具有实用、有效的优点。
In pattern recognition, gray level co-occurrence matrix （GLCM） can extract texture feature of image, and locally linear embedding （LLE） method in the manifold learning is an effective nonlinear dimensionality reduction method. Combined the advantages of GLCM and LLE and undergoing a rigorous derivation, a recognition method of metal fracture image, so-called GLCM - LLE, is proposed. In comparison with the traditional GLCM method,experiment results show that the proposed method is superior to the traditional GLCM method in recognition rate, and it has the practical and effective advantages.
出处
《机械强度》
CAS
CSCD
北大核心
2014年第1期129-133,共5页
Journal of Mechanical Strength
基金
国家自然科学基金(51261024)
江西省图像处理与模式识别重点实验室开放基金~~
关键词
局部线性嵌入
灰度共生矩阵
失效分析
金属断口
模式识别
流形学习
Locally linear embedding
Gray level co-occurrence matrix
Failure analysis
Metal fracture
Patternrecognition
Manifold learning.
作者简介
韩太坤，男，1985年2月生，河南安阳人，汉族，硕士研究生，研究方向为失效分析与模式识别
李志农（通信作者），男，教授，清华大学博士后，研究方向为智能检测与信号处理，机械设备状态监测与故障诊断，图像处理与模式识别。
