作者:毛莺池; 王静; 陈小丽; 徐淑芳; 陈豪缺陷图像lbp特征gabor特征cnn分类
摘要:大坝缺陷识别分类技术是人类智能的基本表现,它是最典型、最困难的模式识别问题之一。由于大坝缺陷图像具有信噪比低、光照分布极度不均匀等特征,分类识别算法的识别率较低。针对这些问题,文中提出一种基于图像LBP特征和Gabor特征组合与CNN相结合(LBP and Gabor feature combination and CNN,LG -CNN)的缺陷图像识别方法,对采集到的大坝图像进行分析,实现对缺陷图像的识别和分类。该方法首先分别提取图像的LBP特征与Gabor特征;然后将得到的LBP特征和Gabor特征组合作为CNN的输入;最后通过逐层训练网络,实现大坝缺陷类型的分类识别。实验结果表明,LG -CNN的平均识别准确率为88.39%,缺陷召回率为92.75%,与相同参数设置下的CNN分类识别算法相比,识别准确率和缺陷召回率分别约提高了3.1%和2.5%,具有最优的结果。
注:因版权方要求,不能公开全文,如需全文,请咨询杂志社