应用BP神经网络分类器识别交通标志

介绍了神经网络特性和BP神经网络分类器的一般原理。针对交通标志识别需要处理的信息量大以及受天气道路等外界条件的影响存在噪声干扰的情况，提出了一种应用BP神经网络分类器识别交通标志的方法。识别分为图像数字处理、BP神经网络的训练、测试与对加入噪声图像进行识别3个步骤，经实验取得了良好的识别效果。

基于图像局部奇异值向量和BP神经网络分类器的道路导航方法

提出以道路图像矩阵的局部奇异值向量作为特征输入 ,以BP神经网络作为分类器的道路导航方法 .首先将图像分割成若干子图像 ,然后分别对子图像进行奇异值分解 ,提取子图像的代数特征向量 .子图像的特征奇异值组成整个图像的局部奇异值向量 ,作为分类器的输入 .再利用BP神经网络分类器对道路图像进行训练及识别 .实验中处理了三类道路图像 (偏左、偏右、正确方向 ) ,每类用 2 0幅图像作为训练样本 ,30幅用作测试 .结果表明 ,这种道路导航方法的识别率达到了 10 0 % .

BP神经网络分类器在储粮害虫图像检索中的应用研究

针对储粮害虫图像检索特点,将BP神经网络分类器技术应用于储粮害虫图像检测和识别,成为近年来的一个研究热点。对采集到的包含储粮害虫的图像使用基于BP神经网络分类器的图像的储粮害虫图像检索方法,可以在线将储粮害虫从图像背景中分离出来,很好地保留了储粮害虫各个部分的纹理特征,并将信息分类存储以备查询。试验和仿真结果证明该算法不仅在线计算量小、便于实时控制,而且能够快速、高效地检测到储粮害虫的有效特征,同时进行分类检索。

一种基于BP神经网络的车牌字符分类识别方法

目前,车牌字符识别算法主要是基于模板匹配、特征匹配或神经网络的方法。本文根据车牌字符的特殊性,提出一种采用特征提取与BP神经网络学习算法相结合的分类识别技术,选取字符的粗网格特征作为字符的识别特征,以改进后的归一化字符原始特征直接输入到BP神经网络分类器中进行车牌字符识别研究。对于易混淆和相似的字符、汉字笔划粘连、字符偏移现象等都提出了自己的解决方法。实验结果说明,本方法可大幅提高车牌识别系统的正确识别率和抗干扰能力。

基于字符组合特征及BP神经网络的车牌汉字识别

提出了一种车牌汉字识别方法.该方法基于统计特征中的投影特征将车牌汉字根据结构特征进行粗分类,对于粗分类结果建立不同的BP神经网络分类器,训练完毕后,以MATLAB为软件平台,利用网络参数对车牌汉字进行分类识别.结果表明,该方法对车牌汉字识别有效,识别率高.

基于BP神经网络的疲劳判定

在现有的数据条件下,疲劳判定的本质问题是分类问题,BP神经网络是一种经常应用于人脸识别领域的分类算法,其不需要一套人为确定的规则,并可以根据有代表性的样本自我学习。论文采用BP神经网络算法进行飞行员的疲劳识别,首先定位出飞行员面部和头部特征点,然后根据特征点计算出相应的特征向量,把这些特征向量输入BP神经网络分类器,最后利用神经网络模糊分类的优点,进行飞行员疲劳判定。

基于神经网络的玻璃瓶气泡和结石分类研究

研究在线视觉检测玻璃瓶气泡和结石的分类方法.根据检测系统具体的应用环境,实现了线性预分类器和BP神经网络分类器,并通过提取合理的样本特征,参数调整,整体优化了玻璃瓶气泡和结石分类识别过程,同时满足了生产的实时要求和识别的精度.

牛乳体细胞分类器的研究与实现

牛奶中所含体细胞的类别与数量是诊断与治疗奶牛乳腺炎的重要依据。针对牛乳体细胞分类识别问题,本文针对牛乳体细胞构建四个单一分类器分别是K近邻分类器、支持向量机分类器、BP神经网络分类器和随机森林分类器对牛乳体细胞进行分类识别。牛乳体细胞与其他人体血液细胞存在不同,目前针对牛乳体细胞方面的研究较少,因此本文针对牛乳体细胞进行分类研究,实现单一分类器对牛乳体细胞的高精度分类。

多种分类器结合的遥感影像分类研究

通过对遥感影像的分类方法及原理的分析,以多光谱遥感影像为依据,采集农田、菜地、居民地等三类地物样本。利用Matlab软件,分别使用最短距离分类器、贝叶斯分类器及BP神经网络分类器三种分类器将遥感影像进行分类实验。通过投票法,融合不同分类器最终的输出结果,将多种分类器的遥感影像分类进行整合,提高了影像的分类精度。

基于多分类器组合的红外目标识别方法

针对以往的红外目标模式识别方法无法区分坦克与铁板假目标的缺点,提出了基于多分类器组合的红外目标模式识别方法。该方法对红外图像的每行像素使用线性分类器和BP神经网络分类器进行识别,用与规则对两分类器的识别结果进行决策融合,得到每行像素的识别结果,然后对多行像素的识别结果使用多数票规则及或规则进行决策融合,得到最终识别结果,完成对坦克、背景和铁板假目标的区分。仿真结果表明:组合使用BP神经网络分类器和线性分类器,可提高系统识别能力,能较好地完成目标识别。

基于灰度共生矩阵的金属断口图像的分类研究

灰度共生矩阵在图像的纹理分析中是一个很重要的方法,但是其参数的选择现在还没有确定的方法。论文计算了灰度共生矩阵的13个特征参数,根据不同步长、不同灰度压缩级时特征值的变化曲线确定步长和灰度级别,然后根据相关系数分析选择其中的7个特征,利用加权欧式距离分类器将金属断口图像分为4类。与常用的5个特征进行分类相比,根据该方法选择的7个特征分类效果明显更好。

基于X射线数字成像的GIS设备缺陷无损检测方法

GIS设备的安全性和可靠性对电力体系的平稳运行具有重要意义;因此,为提高对GIS设备缺陷的检测效果、提高设备运行的安全性,在X射线数字成像的基础上,提出一种针对GIS设备的缺陷无损检测方法;通过X射线数字成像的方式采集GIS设备图像,并对图像中存在的泊松噪声实施去噪处理,以提高图像质量;针对处理后的图像,利用二维主成分分析法,通过将复杂的图像数据转换为简单的主成分来表示原始数据,提取出最具代表性的特征;将提取结果输入到BP神经网络分类器中,通过特征分类完成对GIS设备缺陷的无损检测;实验结果表明:应用该方法后,图像识别清晰度较高,对不同类型缺陷的检测效果良好;该方法的优势在于使用先进的图像处理和机器学习技术,能够有效地识别和定位GIS设备中存在的缺陷,通过及时发现并修复这些缺陷,可以提高GIS设备的安全性和可靠性,从而确保电力系统的平稳运行。

一种基于小波矩的图像识别方法

研究了一种基于小波矩的图像目标平移、缩放和旋转不变特征提取算法,将不变特征提取算法与BP神经网络结合,组成一个图像识别系统.目的在于提高图像处理的质量,这种方法有更好的实用性.在这个系统中,利用小波矩不变量不仅可以得到图像的局部特征,还增加了对图像结构精细特征的把握能力强的优点,把提取的图像目标平移、缩放和旋转不变特征馈人BP神经网络,完成有监督的不变性模式识别.在实验中,利用该方法对无噪、有噪图像,特别是相似物体图像进行识别,可获得98％的正确识别率;并且将其与一般不变矩特征的算法获得的实验数据进行了对比分析.实验结果表明,该方法在图像识别准确率和抗噪性能上都有较大的提高.

基于计算机图像处理的板形识别系统设计

针对现阶段基于图像检测的板形识别在缺陷的检出率普遍较低以及检测速度慢等问题,文中提出了一种基于计算机图像处理的板形识别系统,其通过直方图均衡化与高帽变换对初始图像进行处理,并通过边缘检测算法提取轮廓,然后利用BP神经网络分类器进行缺陷识别与分类。其在实验及实际工业生产中,均具有较高的识别率,可达到约90%,且还具有较好的板形识别效果。

多分辨批量古典建筑图像深度学习检索算法

针对传统的模糊BP分类识别方法进行多分辨建筑图像检索误分率较高的问题,提出了一种基于深度学习神经网络分类和多特征融合的多分辨古典建筑图像检索算法。采用小波降噪方法对模糊图像进行降噪处理,对降噪后的图像采用LGB向量量化算法进行特征分解,采用颜色分量融合方法进行图像的信息增强处理,提取图像的灰度不变矩特征量。将提取的特征量输入BP神经网络分类器中,在检索器的隐含层采用深度学习算法进行图像特征聚类的自适应寻优,进行多特征融合处理,避免聚类中心扰动,实现了对批量多分辨古典建筑图像检索的优化。仿真结果表明,采用该算法进行多分辨古典建筑图像检索的准确性较好,抗类间属性扰动能力较强,图像输出的查全率较高,图像检索的时间开销较小。

基于不同能量值特征优选的水声目标识别

采用Bartlet平均周期图、小波变换和经验模态分解方法分别提取信号的频段能量值特征、IMF能量值特征,重点对IMF能量值特征进行特征优选。通过设计BP神经网络分类器,对实测的四类舰船目标的辐射噪声信号进行测试,取得了较好的识别效果。

电气设备局部放电灰度图象的矩特征提取研究

从图象识别角度研究了电气设备局部放电的模式识别。对电气设备局部放电灰度图象的矩特征进行了深入研究。制作了3种绝缘缺陷模型,在双层屏蔽室中对这3种模型进行了实验,取得了大量的放电样本数据。用BP人工神经网络分类器进行识别,结果表明矩特征的识别率较高,说明该方法具有良好的应用效果。

基于双目视觉的振动筛运行状态在线检测方法

针对现有振动筛运行状态检测方法仅能对振动筛局部运行状态进行检测,且存在精度低、时效性差等问题,提出了一种基于双目视觉的振动筛运行状态在线检测方法。首先通过双目视觉检测装置对振动筛的运动图像进行采集;然后对图像进行灰度化处理,利用多尺度Harris角点检测算法获取图像的特征点,引入图像金字塔理论改进Lucas-Kanade光流估计算法,提高图像特征点运动轨迹的在线追踪性能;最后设计BP神经网络分类器,完成对特征点运动轨迹的分析与辨识,实现对振动筛整体运行状态的检测。试验结果表明,该检测方法准确性高、时效性好,可对振动筛运动轨迹进行全方位、多角度的追踪和辨识,实现了振动筛整体运行状态的在线检测和分析。振动筛在停止、正常、疑似故障和故障4种状态下,该方法的准确率分别达到了97.917%、90.667%、96.431%和93.181%。

一种应用于超大数据库的人脸识别方法

针对数据库中待识别人脸数目巨大,计算困难的问题,提出了一种基于小波变换和主成分分析的人脸识别方法。该方法首先对数据库中的人脸进行小波变换,然后对小波变换后的图像进行主成分分析提取特征,将特征送入BP神经网络进行训练、识别。经过对比实验,结果表明:该方法可以在保证较高识别率的前提下,大大降低数据维数,从而该方法可以应用于超大数据库的人脸识别。

一种基于多种特征组合的烟雾检测方法

视频中类似烟雾的区域很大程度上增加了烟雾检测的误差,为了提高烟雾检测的准确性,利用BP神经网络分类器,一种基于小波特征、烟雾纹理特征以及Y分量均值特征相结合的烟雾检测方法被提出。首先对视频序列进行运动区域提取;然后对疑似区域提取小波特征、纹理特征以及Y分量均值特征,形成一种新的多特征组合向量;最后将特征向量输入到BP神经网络分类器进行检测。实验表明,通过这种组合特征的方法,检测结果更有效。