电子与信息学报
電子與信息學報
전자여신식학보
JOURNAL OF ELECTRONICS & INFORMATION TECHNOLOGY
2008年
7期
1703-1707
,共5页
模式识别%概率神经网络%交通标志%模糊.仿射联合不变矩%全局K-均值算法
模式識彆%概率神經網絡%交通標誌%模糊.倣射聯閤不變矩%全跼K-均值算法
모식식별%개솔신경망락%교통표지%모호.방사연합불변구%전국K-균치산법
为了识别退化的交通标志图像,该文采用一种新的特征提取算法.该算法在处理图像退化问题时,采用模糊-仿射联合不变矩直接提取图像的特征,从而避免了需要较大计算量的图像复原处理过程.针对各阶模糊-仿射联合不变矩数量级差异较大问题,提出一种数量级标准化算法.在深入分析PNN与K-means聚类算法的基础上,提出采用全局K-均值算法优化设计概率神经网络分类器,并将其用于交通标志图像的分类识别.仿真结果表明:模糊-仿射联合不变矩是一种有效的处理退化交通标志图像的方法,所设计的概率神经网络分类器不仅具有精简的结构而且具有较好的推广性能.
為瞭識彆退化的交通標誌圖像,該文採用一種新的特徵提取算法.該算法在處理圖像退化問題時,採用模糊-倣射聯閤不變矩直接提取圖像的特徵,從而避免瞭需要較大計算量的圖像複原處理過程.針對各階模糊-倣射聯閤不變矩數量級差異較大問題,提齣一種數量級標準化算法.在深入分析PNN與K-means聚類算法的基礎上,提齣採用全跼K-均值算法優化設計概率神經網絡分類器,併將其用于交通標誌圖像的分類識彆.倣真結果錶明:模糊-倣射聯閤不變矩是一種有效的處理退化交通標誌圖像的方法,所設計的概率神經網絡分類器不僅具有精簡的結構而且具有較好的推廣性能.
위료식별퇴화적교통표지도상,해문채용일충신적특정제취산법.해산법재처리도상퇴화문제시,채용모호-방사연합불변구직접제취도상적특정,종이피면료수요교대계산량적도상복원처리과정.침대각계모호-방사연합불변구수량급차이교대문제,제출일충수량급표준화산법.재심입분석PNN여K-means취류산법적기출상,제출채용전국K-균치산법우화설계개솔신경망락분류기,병장기용우교통표지도상적분류식별.방진결과표명:모호-방사연합불변구시일충유효적처리퇴화교통표지도상적방법,소설계적개솔신경망락분류기불부구유정간적결구이차구유교호적추엄성능.
