基于不变矩特征及BP神经网络的图像模式识别

根据图像的不变矩特征,应用BP神经网络实现了图像的模式识别.由于神经网络本身具有很强的学习能力及容错能力,且采用并行工作方式,因此,此识别方法与传统的模式识别方法相比,具有较强的抗干扰能力及较快的识别速度.本文通过实验验证了此方法的有效性.     

基于不变矩特征和神经网络的图像模式模糊分类

提出了一种基于不变矩特征和神经网络的医学图像识别模型·所设计的识别模型包括不变矩特征提取、不变矩矢量标准化、模糊化预处理、BP网络与竞争选择·利用不变矩方法提取医学图像的特征矢量,能有效检测出具有平移、旋转和比例变化的图像,利用神经网络作为分类器对提取的特征矢量分类,使用模糊化的方法先对输入特征数据做预处理再进行识别,每一个图像模式归属于某一类是以0到1的数字代表其归属程度·实验结果验证了模型的有效性,训练好的网络有很好的分类能力·     

改进的矩不变阈值分割图像算法

介绍图像的矩以及在保持图像的矩不变的条件下对图像进行两级阈值分割的方法,指出利用该方法分割出来的图像具有过多的无用背景信息.为此,在矩不变阈值算法的基础上提出了两种改进算法,一种是根据特征点检测函数进行迭代;另一种是根据特征点检测函数的均值进行调整,以达到尽量保留图像前景物体信息,去掉无用背景信息的目的.     

GFO和不变矩实现基于形状的图像检索新方法

提出了一种新的基于形状的图像检索方法。首先利用广义模糊算子对图像进行边缘检测，以检测出的边缘映射图计算不变矩阵来代表边缘图像的形状信息，从而完成对图像的自动索引；其次，重新定义了相似度测度，提高了匹配速度；最后，设定纵横比辅助搜索，以提高检索精度。实验结果表明，此方法在一定程度上排除了与形状无关信息的影响，不但简单有效，而且搜索速度快，具有一定的实用意义。     

一种基于自适应小波不变矩的色情图像过滤方法

随着互联网络和多媒体技术的发展,色情图像在网络上的传播越来越泛滥,该文旨在研究如何有效过滤这些色情图像.该文提出一种基于自适应小波不变矩的皮肤纹理检测方法,首先利用统计颜色空间模型分割出疑似皮肤区域,再利用自适应小波不变矩来描述皮肤的纹理特征,该特征具有平移和缩放不变性.最后将该方法用于色情图像的过滤,通过对752幅色情图像和5 000幅正常图像的过滤实验,结果表明该方法具有较好的准确率和检出率.     

基于图像直方图的一维不变矩研究

由于基准图与实测图之间存在灰度变化，基于灰度不变矩的匹配方法不能满足实际匹配的要求。图像灰度变化时，对应的直方图基本形状保持不变，据此定义了基于直方图的一不变矩，并提出基于直方图不变矩的匹配方法，由于直方图不变矩是基于一维矩的定义，运算时间大大减少。     

一种基于矩理论的印章图像特征提取及分类方法

矩理论是图像处理领域的重要内容。本文根据图像矩特征,针对印章图像特点,分别提取印章图像的Hu不变矩特征和小波不变矩特征,比较两种特征值的优劣,给出实验结论,在此基础上提出一种印章图像分类方法,取得了较好的效果。     

挖掘机器人铲斗不变矩及改进BP网络识别方法

在利用视觉信息跟踪、识别挖掘机器人铲斗目标时,实时采集的铲斗图像存在旋转、平移、缩放等情况.为提高对铲斗目标的识别能力,提出了基于不变矩和神经网络相结合的铲斗目标识别方法.提取铲斗图像对于平移、旋转、缩放具有不变性能的7个不变矩特征向量,归一化后作为改进BP神经网络的训练样本及测试样本.应用训练后的神经网络对铲斗目标进行识别,仿真表明该方法具有较好的识别能力.     

局部几何矩在图像处理中的应用

由几何矩引中出另一个概念——局部几何矩，根据其良好的性质，对它进行图像平滑、边缘检测和纹理分割方面的应用，均取得了较好的效果。     

基于Zernike矩和BP神经网络的纹理分割

提出了一种基于Zernike矩和BP神经网络的纹理分割方法.对图像的每个像素,选择一个窗口,计算该窗口内的Zernkie矩,然后通过非线性变换器将得到的矩值转换成纹理特征;选择BP神经网络作为分类器,将图像的每个像素得到的n维特征向量输入BP神经网络进行分类,最后将结果标注在原图像上.和基于Legendre矩的纹理分割结果相比,基于Zernike矩的纹理分割可以降低分割错误率.     

基于图像直方图的一维不变矩研究

由于基准日与实测图之间存在灰度变化，基于灰度不变矩的匹配方法不能满足实际匹配的要求．图像灰度变化时，对应的直方图基本形状保持不变．据此定义了基于直方围的一维不变矩，并提出基于直方图不变矩的匹配方法．由于直方图不变矩是基于一维矩的定义，运算时间大大减少．     

采用不变矩图像匹配与直方图的仪表识别算法

为了解决当前仪表识别算法在机床仪表状态信号多变、实时性强的环境下状态识别错误的不足,设计一种基于不变矩图像匹配与直方图的在线仪表识别算法.首先,基于不变矩特征,通过图像的重心坐标获取其中心不变矩,设计图像匹配算子,并根据仪表灯的匹配度量值定位当前状态信号位置.然后,根据定位到的信号中心点坐标,提取出状态信号外接最小矩形.最后,依据信号灯颜色的直方图特性,计算出反投影直方图,实现对状态信号颜色的判断.实验结果表明:与当前机床仪表识别技术相比,面对机床仪表状态信号多变的环境时,文中算法具有更高的识别精度.     

分形与神经网络方法在卫星数字图像分类中的应用

根据卫星数字图像特点,引入了分形方法来描述纹理结构特征,利用离散分形布朗运动(DFBM)统计模型来抽取卫星图像纹理结构特征。在此基础上,采用神经网络方法将纹理结构特征与地物光谱特征相结合,进行卫星图像分类。试验结果表明,该分法分类效果优于单纯采用光谱特征分类的最大似然法。     

Techniques of Image Processing Based on Artificial Neural Networks

This paper presented an online quality inspection system based on artificial neural networks. Chromatism classification and edge detection are two difficult problems in glass steel surface quality inspection. Two artificial neural networks were made and the two problems were solved. The one solved chromatism classification. Hue, saturation and their probability of three colors, whose appearing probabilities were maximum in color histogram, were selected as input parameters, and the number of output node could be adjusted with the change of requirement. The other solved edge detection. In this neutral network, edge detection of gray scale image was able to be tested with trained neural networks for a binary image. It prevent the difficulty that the number of needed training samples was too large if gray scale images were directly regarded as training samples. This system is able to be applied to not only glass steel fault inspection but also other product online quality inspection and classification.     

基于Hu不变矩的加权矩方法及应用

为了有效地利用不变矩理论和技术对数字图像的特征进行分析,在研究几何不变矩的基础之上,提出了具有平移、旋转和尺度不变性的加权矩方法,可以应用于图像特征分析、特征识别和图像分类等应用领域。     

具有时滞的二阶Hopfield神经网络的正不变集与吸引性

利用非负矩阵谱的性质及微分不等式的技巧,给出了易于验证的具有时滞的二阶Hopfield神经网络系统正不变集与吸引集存在的充分条件．     

基于矩神经网络下的不变分布

给出了更新过程的一种扩散逼近.然后讨论了在更新输入的情况下,应用IF模型对神经元系统构建矩神经网络,包括神经元发放脉冲(Spike)的一阶和二阶统计量.在讨论了矩神经网络的不变分布的同时,通过模拟给出了不同情形下的不动点和边界曲线.     

Classification of Cancer Cells Using Neural Networks in Combination with Expert Experience

ＣｌａｓｓｉｆｉｃａｔｉｏｎｏｆＣａｎｃｅｒＣｅｌｓＵｓｉｎｇＮｅｕｒａｌＮｅｔｗｏｒｋｓｉｎＣｏｍｂｉｎａｔｉｏｎｗｉｔｈＥｘｐｅｒｔＥｘｐｅｒｉｅｎｃｅＳｈｉＫｕｉｆａｎ（史奎凡），ＣｈｅｎＹｕｅｈｕｉ（陈月辉），ＤｏｎｇＪｉｗｅｎ（董吉文）Ｄｅ...