共查询到19条相似文献,搜索用时 203 毫秒
1.
2.
模糊理论与BP网络在目标识别中的应用 总被引:1,自引:0,他引:1
针对利用神经网络进行目标识别时特征向量选取中存在的一些问题:如特征向量选取不当,导致不同目标特征向量值可区分性差;相同目标由于大小、平移、旋转角度的不同,导致特征向量值具有较大差异等,首先对样本图像边缘提取,然后对已有的隶属函数进行改造,提出了一种基于模糊理论的阈值分割法,把图像二值化处理,提取出样本图像中目标的边缘轮廓,对其取不变矩.并归一化不变矩.为了避免不变矩数值过小,对其取对数,以此作为BP网络的输入特征向量,进行训练和识别.试验表明该方法能快速有效地识别出目标. 相似文献
3.
4.
5.
神经网络在二维图像识别中的应用 总被引:5,自引:0,他引:5
本文提出了一种基于神经网络的二维图像识别技术。选取一组机械零件的二维图像,对每张图像进行放缩和旋转变换,并分析、提取对应图像的nmi特征和7个不变矩特征作为BP网络的输入样本,图像的二进制编号为输出样本构建BP神经网络。并对网络进行抗干扰训练,使网络对理想输入及带噪声的输入均有较好的识别率。实验证明该网络具有一定的工程实用性。 相似文献
6.
结合Zernike矩的多尺度模板形状匹配 总被引:4,自引:1,他引:3
针对形状匹配中小波表达对起始点依赖的问题,提出一种结合Zernike矩的多尺度模板进行形状匹配的方法。该算法对输入图像进行预处理后提取目标轮廓,经过归一化处理得到目标形状的平移、尺度不变的链状表达,再通过小波变换进行多尺度分析;引入Zernike矩,利用Zernike矩的特性,实现小波表达的旋转不变性,解决了小波变换对起始点的依赖。匹配过程是以小波表达的各阶Zernike矩为特征向量,在由粗到精的尺度上进行的。实验结果表明,对于同一目标,原图像与旋转不同角度的图像的正确匹配率为91%。该算法适用于轮廓较明显的目标。 相似文献
7.
对大量水下获得图像的判读,采用人工识别,工作量大时效性差,不利于信息的及时获得.根据图像中目标的矩特征,引入小波变换,利用小波矩不变量来表示目标特征,提出结合离散度和浮动搜索算法的特征选择方法,选择最优特征组.经过仿真实验,证明了用小波矩不变量来识别不同形状的目标,识别效果很好. 相似文献
8.
9.
基于熵及不变矩特征的图像检索 总被引:1,自引:0,他引:1
提出了一种基于熵及不变矩特征的图像检索算法.图像首先被划分为不同分块,结合图像信息熵的概念,提出采用单元熵来描述分块特征,从而将图像转化为由单元熵构成的熵矩阵;在此基础上,利用不变矩来描述该熵矩阵的特征,并在对该特征归一化的基础上用于图像检索.结合不变矩的特性,试验中对算法的尺度不变性、旋转不变性、平移不变性及对噪声的不敏感性进行了验证,试验结果证明了算法的有效性.同时,由于熵的对称特性,算法对于图像灰度的变化也有较强的鲁棒性. 相似文献
10.
11.
12.
13.
Research on automatic identification system of tobacco diseases 总被引:2,自引:0,他引:2
Yuanyuan Shao Guantao Xuan Yangyan Zhu Yanling Zhang Hongxing Peng Zhongzheng Liu 《成像科学杂志》2017,65(4):252-259
In order to improve recognition accuracy of tobacco diseases, an identification method based on multi-feature and genetic algorithms optimizing BP neural network was proposed. First, Otsu method was used to obtain disease location information and GrabCut function was initialized for extracting diseased area effectively. Second, colour moments, disease contour and GLCM were used to get colour, multi-contour and texture features. Once again, BP neural network was optimized by genetic algorithm, and the optimal initial weights and thresholds were obtained, which shortened the training time and improved the accuracy of disease identification. Finally, BP neural network model for tobacco diseases diagnosis was established with the mobile client as input and the user services as output. The field experiment showed that the method could diagnose eight types of tobacco diseases effectively and automatically. The average recognition accuracy rate of selected tobacco diseases was about 92.5%. 相似文献
14.
由于海洋环境噪声复杂,噪声等级高,水下待识别目标信噪比低,从而造成了特征提取困难,目标识别率低的问题。基于此,文章提出了基于改进小波阈值的深度学习水下目标分类方法。此方法在传统小波阈值去噪的基础上提出了一种新的小波阈值函数,对于所采用的具体阈值将其与分解尺度相联系,从而实现降低背景噪声,提升水下目标分类识别率的目的。此方法对实测舰船辐射噪声信号进行小波分解,提取每一层的高频小波系数并对其进行处理;对处理完的信号再提取时频特征,最后将其输入后续的深度学习网络中。实验结果发现:在利用原有数据集情况下,利用基于改进小波阈值的深度学习进行水下目标的分类识别,采用卷积神经网络算法可达到88.56%的分类识别率。对前述实验结果进一步分析后,采用生成对抗网络的方法扩充数据样本,可达到96.673%的分类识别率。 相似文献
15.
16.
针对传感器重载小尺寸需求,提出一种具有混合分支的重载并联六维力传感器,分析了其结构特点和测量原理。搭建了重载并联六维力传感器标定系统,为改善维间耦合及制造误差等对测量精度产生的影响,从标定算法及模型优化方面对其进行了研究。分别利用最小二乘法和BP神经网络算法对加载实验数据进行了处理,分析结果表明BP神经网络算法要明显优于最小二乘法,并通过数据随机分组测试验证了结果的正确性。基于BP神经网络,提出了一种基于人工鱼群算法的BP神经网络算法,并采用优化后的BP神经网络标定算法对实验数据进行了计算分析,结果表明优化后的BP神经网络计算结果较好且稳定,不易陷入局部极值。 相似文献
17.
Nianbin Wang Ming He Jianguo Sun Hongbin Wang Lianke Zhou Ci Chu Lei Chen 《计算机、材料和连续体(英文)》2019,58(1):169-181
Underwater target recognition is a key technology for underwater acoustic countermeasure. How to classify and recognize underwater targets according to the noise information of underwater targets has been a hot topic in the field of underwater acoustic signals. In this paper, the deep learning model is applied to underwater target recognition. Improved anti-noise Power-Normalized Cepstral Coefficients (ia-PNCC) is proposed, based on PNCC applied to underwater noises. Multitaper and normalized Gammatone filter banks are applied to improve the anti-noise capacity. The method is combined with a convolutional neural network in order to recognize the underwater target. Experiment results show that the acoustic feature presented by ia-PNCC has lower noise and are well-suited to underwater target recognition using a convolutional neural network. Compared with the combination of convolutional neural network with single acoustic feature, such as MFCC (Mel-scale Frequency Cepstral Coefficients) or LPCC (Linear Prediction Cepstral Coefficients), the combination of the ia-PNCC with a convolutional neural network offers better accuracy for underwater target recognition. 相似文献
18.
19.
针对传统客观心理学参量在非稳态噪声品质预测中的不足,以汽车关门声为对象,提出一种基于EEMD分解的样本熵表征关门声的信号特征,并结合小波神经网络进行声品质预测。对声样本进行EEMD分解得到IMF分量,计算各IMF分量的样本熵,并构造成特征向量。分别以此特征向量和声品质主观评分值作为输入输出构建小波神经网络预测模型。作为对比,构建了基于该特征向量的BP网络预测模型、基于心理学参量的小波神经网络预测模型和BP网络预测模型。分析结果表明,在关门声品质预测中,EEMD样本熵比客观心理学参数能更好的反映信号的时变非稳态特性,预测效果更好;且小波神经网络较BP网络的预测精度更高,模型训练速度更快。 相似文献