成都大学学报（自然科学版）
成都大學學報（自然科學版）
성도대학학보（자연과학판）
JOURNAL OF CHENGDU UNIVERSITY(NATURAL SCIENCE)
2010年
3期
240-244
,共5页
双树复波小波变换%BP神经网络%特征提取%纹理分类%奇异值分解
雙樹複波小波變換%BP神經網絡%特徵提取%紋理分類%奇異值分解
쌍수복파소파변환%BP신경망락%특정제취%문리분류%기이치분해
针对双树复小波变换(DT-CWT)用于图像的纹理特征提取时,不具有旋转和尺度不变性的局限,提出了一种基于DT-CWT和SVD的纹理分类算法.该算法首先利用DT-CWT从图像中提取出纹理特征,然后对纹理特征进行奇异值分解获得具有旋转和尺度不变性的特征向量,采用蛋BP神经网络作为分类器,并提出改进的BP算法训练网络,使得网络很快找到全局最优解.将本方法与其他的分类算法进行比较,实验结果表明,本算法具有较高的分类正确率.
針對雙樹複小波變換(DT-CWT)用于圖像的紋理特徵提取時,不具有鏇轉和呎度不變性的跼限,提齣瞭一種基于DT-CWT和SVD的紋理分類算法.該算法首先利用DT-CWT從圖像中提取齣紋理特徵,然後對紋理特徵進行奇異值分解穫得具有鏇轉和呎度不變性的特徵嚮量,採用蛋BP神經網絡作為分類器,併提齣改進的BP算法訓練網絡,使得網絡很快找到全跼最優解.將本方法與其他的分類算法進行比較,實驗結果錶明,本算法具有較高的分類正確率.
침대쌍수복소파변환(DT-CWT)용우도상적문리특정제취시,불구유선전화척도불변성적국한,제출료일충기우DT-CWT화SVD적문리분류산법.해산법수선이용DT-CWT종도상중제취출문리특정,연후대문리특정진행기이치분해획득구유선전화척도불변성적특정향량,채용단BP신경망락작위분류기,병제출개진적BP산법훈련망락,사득망락흔쾌조도전국최우해.장본방법여기타적분류산법진행비교,실험결과표명,본산법구유교고적분류정학솔.
