已閱讀1頁,還剩55頁未讀, 繼續(xù)免費閱讀
版權說明:本文檔由用戶提供并上傳,收益歸屬內容提供方,若內容存在侵權,請進行舉報或認領
文檔簡介
1、本課題首先提出基于Zernike矩和BP神經網絡的紋理分割方法。它的特征提取分兩步:首先在圖像每個像素周圍的小窗口內計算Zernike矩,得到紋理特征的幾何模型,然后通過一個非線性變換器將第一步得到的矩值轉換成特征向量。特征提取完成,接下來的分類工作交給BP神經網絡。比較基于Zernike矩和基于Legendre矩的紋理分割結果,可以看出前者是一種更有效的分割方法。接下來討論了Zernike矩的階數及窗口的大小對分割結果的影響,得出結論
2、: 1、提高Zernike矩的階數可以減少分割錯誤率,但是更高階矩對噪聲敏感,反而使分割錯誤率上升; 2、矩值計算時窗口大小的選取與紋理本身的特點相關,較致密的紋理需要選取較小的窗口,較疏松的紋理需要選取較大的窗口,而非線性變換器的窗口應盡可能的大,以提高分割結果的區(qū)域連續(xù)性,但同時要考慮到計算效率問題。 提出了基于小波矩和BP神經網絡的紋理分割方法。根據小波變換和旋轉不變矩的概念引入了小波矩,討論了兩種小波矩—
溫馨提示
- 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯系上傳者。文件的所有權益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網頁內容里面會有圖紙預覽,若沒有圖紙預覽就沒有圖紙。
- 4. 未經權益所有人同意不得將文件中的內容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內容的表現方式做保護處理,對用戶上傳分享的文檔內容本身不做任何修改或編輯,并不能對任何下載內容負責。
- 6. 下載文件中如有侵權或不適當內容,請與我們聯系,我們立即糾正。
- 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。
最新文檔
- 基于紋理特征和BP神經網絡的醫(yī)學圖像檢索.pdf
- 基于矩特征和BP神經網絡的步態(tài)識別技術研究.pdf
- 基于正交矩的紋理分割.pdf
- 基于人工神經網絡和紋理特征的馬尾松圖像分割方法.pdf
- 基于Gabor多通道濾波和Hopfield神經網絡的紋理分割方法研究.pdf
- 基于BP神經網絡和RBF神經網絡的電網短期負荷預測.pdf
- 基于改進的模糊BP神經網絡的圖像分割方法研究.pdf
- 基于BP神經網絡的PID研究和改進.pdf
- 基于矩神經網絡下的不變分布.pdf
- 基于matlab的bp神經網絡應用
- 基于BP神經網絡的數字水印算法.pdf
- 基于BP神經網絡的WEB數據挖掘.pdf
- 基于BP神經網絡的灰色預測模型.pdf
- 基于BP神經網絡的體液細胞識別.pdf
- 基于BP神經網絡的STATCOM控制研究.pdf
- 基于BP神經網絡的建模算法研究.pdf
- 基于BP神經網絡的入侵檢測系統(tǒng).pdf
- 基于BP神經網絡的稅收預測研究.pdf
- 基于遺傳BP神經網絡的股市預測.pdf
- 基于BP神經網絡的無線傳感網絡的校準.pdf
評論
0/150
提交評論