计算技术与自动化
計算技術與自動化
계산기술여자동화
COMPUTING TECHNOLOGY AND AUTOMATION
2008年
2期
73-76
,共4页
纹理识别%小波包变换%差异演化%双概率神经网络
紋理識彆%小波包變換%差異縯化%雙概率神經網絡
문리식별%소파포변환%차이연화%쌍개솔신경망락
为提高纹理识别速度,在文献1纹理图像识别正确率较高的基础上,提出一种基于双概率神经网络(DPNN)的纹理图像识别方法.首先构造两个概率神经网络A和B,如果纹理特征明显,以较少的纹理特征能量特征作为网络A的输入参数即可识别,否则再加入统计特征和能量特征一起作为概率神经网络B的输入参数以达到较高的识别率.实验结果表明:采用双概率神经网络的纹理图像识别较文献1有更快的识别速度.
為提高紋理識彆速度,在文獻1紋理圖像識彆正確率較高的基礎上,提齣一種基于雙概率神經網絡(DPNN)的紋理圖像識彆方法.首先構造兩箇概率神經網絡A和B,如果紋理特徵明顯,以較少的紋理特徵能量特徵作為網絡A的輸入參數即可識彆,否則再加入統計特徵和能量特徵一起作為概率神經網絡B的輸入參數以達到較高的識彆率.實驗結果錶明:採用雙概率神經網絡的紋理圖像識彆較文獻1有更快的識彆速度.
위제고문리식별속도,재문헌1문리도상식별정학솔교고적기출상,제출일충기우쌍개솔신경망락(DPNN)적문리도상식별방법.수선구조량개개솔신경망락A화B,여과문리특정명현,이교소적문리특정능량특정작위망락A적수입삼수즉가식별,부칙재가입통계특정화능량특정일기작위개솔신경망락B적수입삼수이체도교고적식별솔.실험결과표명:채용쌍개솔신경망락적문리도상식별교문헌1유경쾌적식별속도.
