基于分形和神经网络的B超图像识别

为了给脂肪肝的辅助诊断提供科学依据,提高临床诊断的准确性,利用分形方法对脂肪肝和正常肝脏的B超图像进行了分析对比,获得两类肝脏图像具有多重分形的特性,并利用RBP神经网络进行分类,对提高脂肪肝诊断的正确率收到较好效果,具有一定的实际意义和理论价值.     

基于LVQ神经网络的医学图像识别研究

以医学肝脏CT图为研究对象,设计了一种基于LVQ神经网络的医学图像识别方法。基本思想是首先确定图像ROI区域,并作灰度映射变换。接着提取其颜色、纹理和形状特征构成表征医学图像的特征矢量,最后将特征归一化后利用LVQ神经网络进行识别。通过与其他典型神经网络识别方法的实验比较,结果表明,设计的方法能取得更为理想的识别效果。     

基于分维特征的肝脏CT图像识别

目前分形理论已被广泛应用于医学图像识别.本文利用了改进的差分盒计数法对肝脏CT图像进行了分形维数的分析,表征了肝脏图像的纹理特征,则可识别医学图像肿瘤信息.医学图像识别的结果可以直观的方式显示给临床医生,从而辅助医生提高医疗诊断的准确性和科学性.     

基于分形参数的B超图像纹理分析

利用离散分形布朗随机场模型对Ｂ超图像的分布特征进行顾分析和讨论。鉴于一般的图像不是完全的分形体,文中给出了计算分维数的尺度范围公式,根据上述模型和尺度范围公式,对正常肝脏和有癌变肝脏的两组Ｂ超图像的分维数进行了计算,结果表明在未考虑尺度范围时两组图像的分维数差别不大;而考虑了尺度范围时两幅图像的分维数就有明显的差别,即正常肝脏图像的分维数大于有癌变肝脏图像的分维数。     

一种基于遗传神经网络的医学图像分割方法

针对一类具有纹理特征的医学图像,提出一种结合纹理信息,利用遗传神经网络的图像分割方法。该方法以混合递阶遗传算法优化径向基神经网络,同时优化其结构及参数。试验表明,该方法应用于生物医学图像,能够区分图像不同的纹理区域,获得较好的分割效果。     

基于BP神经网络的探地雷达图像识别技术

探地雷达作为一种常用的物探方法,在工程和科研方面都具有广泛的应用,在应用中由于地下介质的复杂性,常使得图像的反射原因较难判断,对于地下介质的典型特征也较难统计.为了更好的解译以及快速准确的分析统计出雷达反射图像中的各类特征,本文利用神经网络的高度模糊识别能力,将标准雷达图像输入到神经网络模型中,并通过一系列的改进,提高了网络性能.通过仿真试验表明,改进后的神经网络可以较为高效的对雷达图像中的典型反射特征进行识别与统计,具有很好的应用前景.     

基于神经网络的合成孔径雷图像分类研究

随着微波遥感的发展,合成孔径雷达即SAR图像的应用越来越受到人们的重视.但是,SAR图像只有单通道信息,在图像上有太多的特征与溢油相似.本试验基于SAR图像的灰度与纹理特征结合的方法,针对海洋SAR图像的特点,利用人工神经网络方法进行分类,提取出溢油的信息.试验表明,纹理是进行图像分类的重要特征量可用来进行溢油的检测.     

基于分形理论的岩相图像识别与分析

基于分形理论,应用计算机数字图像处理技术,提出了一种岩相图像识别与分析的新方法。在对典型岩相图像进行图像处理的基础上,介绍了岩相轮廓的顺序跟踪识别方法,给出了岩相轮廓分形维数的具体计算公式和方法,最终得到不同岩相轮廓的分形维数。通过比较不同岩相的分形维数可知,同一种岩相轮廓具有比较接近的分形维数,而不同岩相分形维数相差较大,这说明分形理论可用于岩相图像识别与分析。     

肝脏超声图像分形特性的研究

将Ｐｅｌｅｇ的双毯法和Ｎｉｒｕｐａｍ的分维计算法推广应用于肝脏超声图像分维的计算,并对算例结果进行了分析讨论,在此基础上提出了多重分形谱ａ－ｆ（ａ）的新分析方法,即用测度族支集的Ｈａｕｓｄｏｒｆｆ维数ｆ（ｑ）描述超声图像的复杂分形在生长过程中不同层次的特征。     

基于卷积神经网络的食品图像识别

随着消费观念的升级,人们对饮食健康越来越重视,因此,食品图像识别成为众多领域研究的热点.针对传统食品图像识别方法提取特征能力差、准确率差等问题,采用Google团队发布的卷积神经网络模型——Inception_ResNet_V2模型对食品图像进行识别和分类,该模型曾经在图像分类测试中实现了当下最好的成绩.在Food-1...     

基于改进的卷积神经网络图像识别方法

当前的图像特征识别大多采用的是传统的机器学习方法与卷积神经网络方法。传统的机器学习对图像识别的研究,特征提取多是通过人工完成,泛化能力不够强。最早的卷积神经网络也存在诸多缺陷,如硬件要求高,需要的训练样本量大,训练时间长。针对以上问题,提出了一种改进的神经网络模型,在LeNet-5模型的基础上并在保证识别率的情况下,简化网络结构,提高训练速度。将改进的网络结构在MINIST字符库上进行识别实验,分析网络结构在不同参量中的识别能力,并与传统算法进行对比分析。结果表明提出的改进结构在当前识别正确率上,明显高于传统的识别算法,为当前的图像识别提供新的参考。     

超声肝图像SOFM网络识别方法

通过基于空间灰度独立矩阵的特征提取方法,采用自组织特征映射神经网络对正常肝脏、肝硬化和肝癌三类肝脏超声图像进行分类识别。实验结果表明神经网络分类器对3种肝脏超声图像的分类可以达到87%的正确率,其结果对实际辅助诊断提供了理论基础。     

基于神经网络的纹理识别技术

作者通过一个实例叙述了图像识别技术中用神经网络进行纹理识别的基本思路，处理过程，以及具体实现，并对处理的结果进行分析，说明了运用神经网络作为分类器的准确性。     

图像识别神经网络处理系统

目的　研制用于二值图像实时识别的神经网络处理器; 方法　采用数字电路实现的图像识别神经网络系统有３ 大模块：边缘提取模块以二值图像序列作为输入,用平面建筑物原理和８ 邻域原理提取图像的边缘特征;特征提取模块在边缘特征的基础上提取具有不变性的角特性和组块特征;模式分类模块采用４ 层特征映射神经网络实现图像模式识别; 结果　通过对图像信号发生器送出的二值飞机图像识别说明,训练样本数越多系统识别率越高; 结论　该系统能够快速、正确地实时识别二值图像序列;     

基于LVQ神经网络的手写字母识别

提出了一种基于LVQ神经网络的手写英文字母识别方案.介绍了LVQ神经网络的基本原理,并利用LVQ神经网络的结构简单、泛化性能好、收敛速度快的特点,将它应用于复杂的英文字母识别.通过对英文字母图像进行预处理和特征提取,将提取的特征对网络进行训练,并利用训练好的网络对英文字母进行识别.Matlab仿真实验结果表明,LVQ神经网络可以对英文字母获得较高的识别率.     

基于小波和神经网络的焊接缺陷识别方法

超声检测是钢结构焊缝质量检验的常用方法,本文针对超声检验中缺陷类型识别困难的问题,提出一种定性方法.首先利用小波包变换提取超声回波信号的能量作为特征向量,然后将得到的特征向量输入到BP神经网络中,应用于裂纹、气孔、未焊透三类缺陷,识别率达到了86.7％.结果表明：基于小波包变换和BP神经网络的钢结构焊缝缺陷定性方法是十分有效的.