医学图像识别中多分类器融合的研究方法

基于二值化的Bayes分类实现字母数字识别；基于最小错误率的Bayes分类实现字母数字识别；基于最小风险率的Bayes分类实现字母数字识别。

本文介绍了目前常用的几种基于神经网络的图像识别方法，根据图像识别的特点，提出了利用BP网络、径向基函数两种神经网络图像识别模型，分别给出了两种模型的学习算法和具体应用技术。

小波变换对图像处理有很大的贡献，本论文采用基于改进的小波，应用在图像融合上，算法效果很红

针对传统多尺度变换的医学图像融合问题,提出一种基于非下采样Contourlet变换的医学图像融合新方法。在低频子带系数的选取上,根据医学图像的特点,考虑到相邻低频子带系数之间存在的相关性,采用基于区域

基于多分辨小波的像素级图像融合研究，对融合进行了细致研究

摘 要I I 对图像进行精确识别具有非常重要的研究意义图像识别技术在医药学航天军事工农业等诸多方面发挥着重要的作用当前图像识别方法大多采用人工提取特征不仅费时费力而且提取困难而深度学习是一种非监督学习

文档图像识别中关键算法的研究与实现.nh 文档图像识别方面论文

本文对THS 融合方法和PCA 融合方法分别进行了融合实验, 融合后图像上的细部特征更 加清晰,光谱信息更加丰富。但IHS 方法扭曲了原始的光谱特性,产生了光谱退化现象,不利于影像的 分类。PCA 方

针对鞋印图像自身特点，提出一种鞋印图像的倾斜校正算法；在此基础上提出用距离直方图、角度直方图与傅立叶描述子来共同表示动力作用留下的形状特征。根据提取的鞋印图像的特征可以进一步挖掘出人的某些特征，如脚的

一个基于BOF的论文，有助于大家理解Bag of Features算法.