基于谱直方图和SOFM网络的纹理分类

提出了一种基于纹理谱直方图和自组织特征映射网络的纹理分类方法。引入像素的八近邻离散付氏变换犤5犦,随机选取局部纹理区域,计算所选纹理区域的纹理谱并量化得到谱直方图,将其作为自组织特征映射(SOFM)网络的特征模式输入并训练网络。训练结束后的拓扑输出层对应于纹理的不同类别。算法简单有效,对6类Brodatz纹理进行测试,得到了良好的分类效果。

一个改进的遥感图像目标纹理分类识别算法

提出了一种基于自组织特征映射SOFM网络模型的纹理分类算法,通过提取遥感图像的局部纹理谱特征,刻划图像整体的灰度分布特性并进行纹理分类。实践证明:该算法对飞机,桥架等的识别准确率分别达到91.39%和80%以上。

纹理图像分类系统的设计及实现

以显微图像分析为应用背景 ,设计并实现了基于改进的纹理谱方法提取特征和以神经网络作为分类器的纹理图像分类系统。分析了纹理分析方案的实施所遇到的实际问题和纹理图像分类的抗干扰性能 ,给出了具体实验结果。

基于BP神经网络的医学图像分类

给出了一种基于LBP算子和BP神经网络的医学图像分类方法。该方法采用方向纹理谱描述符来描述图像的纹理特征,并以此特征作为网络的输入对BP神经网络进行训练,最后采用已训练的BP网络进行医学图像的分类。通过实验表明,该方法可以很好地对医学图像进行分类识别。

基于卷积神经网络与时频图纹理信息的信号调制方式分类方法

通信信号的调制方式识别是通信侦察、频谱监测的重要工作内容之一,提出一种利用深度学习提取信号时频图纹理信息的分类方法。该方法利用不同调制方式在时频图细节上的微弱差别,并使用卷积神经网络提取图像纹理特征,最终输入SOFTMAX分类器进行分类。结果表明,该方法在大样本条件下,可取得良好的分类效果。与传统基于特征参数的支持向量机分类方法或前馈神经网络方法相比,其提取特征更优、分类效果更好,同时减少了人工设计特征参数的工作量和不确定性。