基于奇异值分解的木材细胞切片识别算法

木材细胞切片识别需要对图片进行降维处理,提取最大特征数据来进行识别。相似度高的切片由于它们的最大特征的范数相近,所以很难区分。针对这种情况,提出了一种基于Real Ada Boost+SVD-n的细胞切片识别算法,该算法首先计算切片图像的奇异值,将奇异值按从大到小的顺序排列,然后去掉前n项较大的值,使用剩余项作为图片特征,利用Real Ada Boost分类器进行训练和测试。实验结果表明,该方法不仅能够识别差异较大的木材切片,而且还能够很好地区分较为相似的细胞切片,该识别算法具有很好的鲁棒性。