上海电气技术
上海電氣技術
상해전기기술
Journal
2015年
3期
33-36
,共4页
不变矩特征%前馈神经网络%径向基函数%径向基函数神经网络%图像识别
不變矩特徵%前饋神經網絡%徑嚮基函數%徑嚮基函數神經網絡%圖像識彆
불변구특정%전궤신경망락%경향기함수%경향기함수신경망락%도상식별
针对图像中几何形状的识别问题,提出了一种图像识别学习算法,提取图像边缘后,使用Hu不变矩方法提取训练集图像的7个不变矩特征向量,再使用以上特征向量构造径向基函数神经网络.对测试集图像提取不变矩特征向量,对获得的特征向量进行分类.实验结果表明,对于经过平移、缩放、旋转后的几何图形识别,基于不变矩特征与径向基函数神经网络的识别算法,识别的正确率在90％以上.
針對圖像中幾何形狀的識彆問題,提齣瞭一種圖像識彆學習算法,提取圖像邊緣後,使用Hu不變矩方法提取訓練集圖像的7箇不變矩特徵嚮量,再使用以上特徵嚮量構造徑嚮基函數神經網絡.對測試集圖像提取不變矩特徵嚮量,對穫得的特徵嚮量進行分類.實驗結果錶明,對于經過平移、縮放、鏇轉後的幾何圖形識彆,基于不變矩特徵與徑嚮基函數神經網絡的識彆算法,識彆的正確率在90％以上.
침대도상중궤하형상적식별문제,제출료일충도상식별학습산법,제취도상변연후,사용Hu불변구방법제취훈련집도상적7개불변구특정향량,재사용이상특정향량구조경향기함수신경망락.대측시집도상제취불변구특정향량,대획득적특정향량진행분류.실험결과표명,대우경과평이、축방、선전후적궤하도형식별,기우불변구특정여경향기함수신경망락적식별산법,식별적정학솔재90％이상.
