基于 Zernike 矩特征的 FCM-RBF神经网络图像分类器.pdfVIP

下载本文档

4
0
约9.23千字
约 5页
2017-08-14 发布于湖北
举报
版权申诉

基于 Zernike 矩特征的 FCM-RBF神经网络图像分类器.pdf

1、原创力文档（book118）网站文档一经付费（服务费），不意味着购买了该文档的版权，仅供个人/单位学习、研究之用，不得用于商业用途，未经授权，严禁复制、发行、汇编、翻译或者网络传播等，侵权必究。。
2、本站所有内容均由合作方或网友上传，本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺！文档内容仅供研究参考，付费前请自行鉴别。如您付费，意味着您自己接受本站规则且自行承担风险，本站不退款、不进行额外附加服务；查看《如何避免下载的几个坑》。如果您已付费下载过本站文档，您可以点击这里二次下载。
3、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等，请点击“版权申诉”（推荐），也可以打举报电话：400-050-0827(电话支持时间：9:00-18:30)。
4、该文档为VIP文档，如果想要下载，成为VIP会员后，下载免费。
5、成为VIP后，下载本文档将扣除1次下载权益。下载后，不支持退款、换文档。如有疑问请联系我们。
6、成为VIP后，您将拥有八大权益，权益包括：VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
7、VIP文档为合作方或网友上传，每下载1次，网站将根据用户上传文档的质量评分、类型等，对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档

基于 Zernike 矩特征的 FCM-RBF神经网络图像分类器.pdf

第 52卷第 6期吉林大学学报 (理学版 ) Vo1．52 NO．6 2014年 11月 JournalofJilinUniversity(ScienceEdition) NOV 2Ol4 doi：10．13413／j．cnki．jdxblxb．2014．06．33 基于 Zernike矩特征的FCM-RBF 神经网络图像分类器倪鹏。，黄蔚。，吕巍。，姚禹 (1．长春T业大学应用技术学院，长春 130012；2．长春工业大学软件职业技术学院，长春 l30012； 3．吉林大学计算机科学与技术学院，长春 130012) 摘要：针对交通监控图像识别精度较差的问题，设计一种基于径向基 (radial—basis)函数神经网络的图像分类器．该分类器利用 Zernike矩噪声敏感度较小、形状特征稳定性好的特点，构建四阶矩的特征向量，用于特征提取；利用自适应模糊聚类方法，解决径向基函数神经网络隐层节点数不确定的问题．仿真分析表明，该分类器与基于改进的快速模糊 C均值聚类算法的BackPropagation网络分类器和径向基函数神经网络分类器相比具有更高的识别率，与改进的粒子群优化模糊 C均值聚类算法的径向基函数神经网络分类器相比具有相近的识别率，但其计算复杂度较低．仿真实验结果表明，该方法具有较好的分类能力及较高的计算效率．关键词：Zernike矩；模糊 C均值；径向基神经网络；图像分类器中图分类号：TP335 文献标志码：A 文章编号：1671—5489(2014)06—1284—05 ImageFCM—RBFNeuralNetworkClassifier Basedon ZernikeM omentFeatures NIPeng～，HUANGWei，I0 Wei。，YAOYu (1．Collegeo／AppliedTechnology，ChangchunUniversityofTechnology，Changchun130012，China； 2．School)【fS()f{Technology，ChangchunUniversityofTechnology Changchun130012，China； 3．Collegeo厂CornpurerScienceandTechnology，JilinUniversity，Chang~hun130012，China) Abstract：Inordertosolvetheproblem ofnonhigh imagerecognitionaccuracyfortrafficmonitoring， animageclassificationwasproposedbasedon radialbasisfunction (RBF)neuralnetwork．Zernike arraylessnoisesensitivity，shapefeaturesandgood stabilitywereconsidered tobuildafourth—order arrayfeaturevectorforfeatureextraction；andanadaptivefuzzyclusteringmethodfuzzyC—meanswas usedtosolvehidden neutonsuncertainofRBF neura1network．Thesimulation analysisshowsthat theclassifierhas a higher recognition rate than the classifierbased on fuzzy C—means clustering algorithm ofBPandRBF neuralnetwork，a