针对胃粘膜肿瘤细胞图像的高维性、不规则性及复杂性的特点,常用的分类方法识别率不高。为了提高识别率,提出了一种基于量子自组织特征映射神经网络(quantum self-organization feat
基于CNN与HOG特征的决策级融合图像识别,王康,陈振学,图像识别在计算机视觉领域广泛应用。深度学习热潮兴起之后,卷积神经网络(ConvolutionalNeuralNetwork,CNN)作为其中的
为了提高植物叶片图像识别的准确率,提出一种基于差异性值监督局部线性嵌入(D-LLE)算法的多特征植物叶片图像识别方法。该方法提取叶片的颜色、形状和纹理作为叶片多特征,在加权局部线性嵌入(WLLE)算法
摘要:针对高光谱数据的特点,探讨了高光谱数据特征提取的若干算法,重点研究了导数光谱和光谱编码技术,并从地物光谱曲线中提取了其光谱吸收特征。对同类曲线特征求交得到识别地物的有效特征;对不同类曲线特征求交
由于冷轧带钢表面缺陷的类型多种多样,在所提取的特征集中,需要寻找出一组较优的特征集,使之可以更有效地表达缺陷的本质特征,从而提高缺陷识别的准确率。针对该问题,研究了遗传算法在缺陷特征选择中的应用,并在
手写数字特征提取与选择的研究,康明,王昱,本文提出5种共60维手写数字的典型特征集,并使用k-w分类准则函数和直方图方法对特征集进行选择,最终选择其中的33维,达到了降低输�
细胞识别。经过一系列数字图像处理步骤后,可以把血液图中每个细胞都标识出来,并得出细胞数目,平均半径和平均面积。VC6.0源码,Debug里有生成的应用程序,打开附带的BMP图像后点击cell-proc
针对监控屏幕中的数字字符提出了一种高效的识别算法。该算法利用字符图像的欧拉数、凹陷区、水平和垂直穿线等组合特征完成级联分类,无须对待识别字符进行规整、细化和轮廓提取处理,降低了算法复杂度,减少了因细化
图像分割,图像质量,形状识别,特征描述,枪痕识别
图像分类算法与应用 研究 报告人:张德园 导师:王晓龙教授 目录 研究背景 相关研究工作 已有工作基础 论文主要研究内容 课题来源 本课题来源于国家八六三计划目标导向类 课题基于LP的智能搜索引擎(项