基于优化Gabor滤波器的织物疵点检测算法

提出了一种基于优化Gabor滤波器的织物疵点检测算法.首先介绍了Gabor滤波器的滤波原理,然后提出了Gabor滤波器优化算法,该算法针对一幅标准织物图像,通过计算Gabor滤波器与标准织物图像卷积结果的Fisher Cost函数最小值,得到一组优化Gabor滤波器参数.使用具有这些参数的Gabor滤波器分别对标准织物图像和样本织物图像进行滤波处理,将滤波结果进行比较和融合,得到检测结果.实验证明:该算法能获得良好的检测效果.     

基于Gabor滤波器和改进BP神经网络的人脸检测方法

提出一种基于Gabor滤波器和改进BP神经网络的人脸检测方法.该方法首先利用Gabor滤波器空间位置与方向选择特性,采用8种方向Gabor滤波器提取人脸样本图像特征;然后把基于Gabor滤波器的特征向量作为人脸/非人脸分类器输入,并用PCA方法对特征向量降维;最后利用已降维的特征训练改进的BP神经网络.仿真实验表明,该方法比单一使用Gabor滤波器和单一使用BP神经网络检测率高.     

基于Log-Gabor滤波器组的织物疵点检测算法

利用Log-Gabor滤波器组实现了对织物图像的疵点检测.首先给出了构建Log-Gabor滤波器组的方法,然后利用滤波器组对织物图像进行滤波处理,并对滤波后的图像进行分割和融合,最后将疵点从织物图像的背景纹理中分割出来.实验结果证明该方法能够有效地检测出织物疵点.     

基于BP神经网络的特征融合遥感图像阴影检测

针对遥感图像中地物遮挡形成阴影,导致阴影区域地物信息受损的问题,提出一种基于BP(back propagation)神经网络的特征融合遥感图像阴影检测方法,该方法共分为预处理、特征提取、特征融合和后处理4个阶段。为了克服现有单一特征阴影检测方法的局限性,共设计了蓝绿波段归一化、主成分分析、HSI(hue,saturation,intensity)空间和灰度矫正色调4个特征提取分支,然后通过BP神经网络实现多特征的深度融合。实验表明,所提方法提取的阴影掩膜完整性高、边缘区分良好,对水体等易混淆的非阴影地物也能很好地区分,说明本文方法具有较好的鲁棒性。     

基于纹理结构异常的织物疵点检测算法研究

提出了一种基于织物纹理结构异常的织物疵点检测算法。首先计算代表正常纹理的主邻域结构图;其次通过比较每个像素的邻域结构图与主邻域结构图的差异来定义该像素的显著性,进而得到显著图;最后采用迭代最优阈值分割方法对显著图进行分割得到疵点区域。试验证明,该算法操作简单、计算速度快、鲁棒性强,具有较强的自适应性。     

基于实Gabor滤波器与粗糙熵的加权纹理分割法

结合人眼视觉特性,设计了一组多尺度、多方向Gabor滤波器,引进粗糙集中的互信息熵,以评价经不同滤波器提取的特征对聚类的影响,去除影响聚类的不重要、冗余因素,突出了区分能力强的特征,使纹理图象的分割质量和算法效率均得到了提高。     

基于二维小波变换和BP神经网络的织物疵点检测方法

采用了二维离散小波变换对织物图像进行处理，根据小波变换后高、低频分量的特点，提取分解子图像的特征值，送入BP神经网络进行识别，从而实现织物疵点的检测。     

基于二维小波变换和BP神经网络的织物疵点检测方法

采用了二维离散小波变换对织物图像进行处理,根据小波变换后高、低频分量的特点,提取分解子图像的特征值,送入BP神经网络进行识别,从而实现织物疵点的检测.     

用于无纺布缺陷检测的Gabor滤波器参数研究

提出了一种基于Gabor滤波器的坯布表面缺陷检测方法。该方法基于Gabor滤波方案,分别将原始图像与滤波器进行卷积操作,然后采用大津法阈值分割来获得坯布表面缺陷。为了优化Gabor滤波器的检测效果,研究不同的参数设定对于检测结果的影响,通过不同类型的无纺布缺陷的实验结果证明了该方法的有效性。最后通过对比常用的检测算法,突出该算法的实用价值。     

基于Gabor滤波器的手机按键特征提取

本文将应用Gabor滤波器对散乱分布在深色背景上的手机按键特征进行提取。通过选取合适的Gabor滤波器参数,并根据Gabor滤波器的参数,采用自适应搜索窗口对按键图像的滤波响应提取局部极大值作为特征点,并以特征点周围领域的能量之和作为按键的特征信息,并利用该信息进行目标图像与样本图像的匹配率运算,达到识别的目的。     

基于BP神经网络的工艺球缺陷检测

对羽毛球工艺球图像经过预处理,得到缺陷形状信息图像.提取图像的5个极半径不变矩特征、圆心度、球体外圆和球头圆心偏差总共7个特征参数构成图像特征向量组,建立三层结构的BP神经网络,以这7个不变量特征值组成的特征向量归一化后作为神经网络的输入,根据神经网络的输出进行缺陷检测,实验结果证明了该方法能有效地用于羽毛球工艺球的缺陷检测.     

基于Gabor变换和LMBP神经网络的 车牌汉字字符识别

字符识别是汽车牌照自动识别系统中的关键环节,汉字字符识别是其中的难点。提出用Gabor滤波器对灰度汉字图像抽取横、竖、撇、捺的4幅能量特征图像的方法,同时对Gabor滤波器组输出值进行非线性变换,使其适应于不同亮度和低质量灰度车牌字符图像的识别,最终采用网络法提取4幅能量特征图像的特征,用改进的BP神经网络作为车牌汉字字符的识别器,提高车牌识别率。     

基于BP神经网络的织物折皱等级评定

采用改进的BP神经网络客观评定织物的折皱等级，网络结构为3层结构，输入样本数据经BP神经网络学习训练后，很快达到较小的误差收敛，从而确保评价的准确性和可靠性。     

BP神经网络学习算法的研究

文中针对BP算法收敛速度慢的问题,提出一种改进的BP算法．该算法结合生物神经元学习与记忆形成的特点,针对特定的训练样本,只激发网络中的部分神经元以产生相应的输出,而未被激发的神经元产生的输出则与目标输出相差较大,所以对未被激发的神经元权值闽值进行调整．利用距离来度量训练样本与神经元权值之间的关系,可以找到未被激发的神经元．文中提出的算法是对局部神经元权值闽值的调整,通过实验表明该算法有助于加快网络的学习速度．     

基于遗传算法的BP神经网络服装销售预测方法

针对服装企业产品销售的复杂性以及特殊性,提出一种有效的神经网络学习模型. 在对服装销售影响因子分析的基础上建立销售预测网络模型,利用遗传算法对后向传播神经网络的各连接权值进行优化计算. 方法综合了后向传播神经网格和遗传算法两者的优势,既具有神经网络强大的学习能力,又具有遗传算法的全局搜索能力.     

基于BP神经网络算法的广电视频QoS控制方法

针对广电网络中用户视频点播延迟时间不能保证、服务质量不稳定的状况,提出了一种新的视频服务器服务质量(QoS)控制方法,基于BP神经网络比例积分微分控制,以响应的延迟率与设定值之间的差值和变化率作为网络的学习依据,通过动态调整BP神经网络学习的方法,依据网络学习的实际情况,快速地调整服务请求的响应时间,保证视频服务器的服务质量。仿真实验表明,BP神经网络能够很好地控制请求的出错率和响应时间,为广电用户的视频点播服务提供更加稳定的服务质量。     

基于BP神经网络分类器的多目标识别方法研究

文章对多目标进行特征提取,数据作为神经网络分类器的输入,采用不同的算法对多输出型BP神经网络分类器和单输出型BP神经网络联合分类器进行训练,实现多目标的识别。仿真试验结果表明,基于BP神经网络分类器的识别方法具有较高的识别率。