基于不变矩特征和神经网络的图像模式模糊分类-Journalof.PDF

第2 5 卷第8 期 东 北 大 学 学 报 ( 自 然 科 学 版 ) Vol 25 ,No . 8 2 0 0 4 年 8 月 Journal of Nort heastern U niver sity (N at ural Science) Aug . 2 0 0 4 文章编号 : (2004) 基于不变矩特征和神经网络 的图像模式模糊分类 范立南 , 徐心和 ( 东北大学 信息科学与工程学院 , 辽宁 沈阳　110004) 摘 　　　要 : 提出了一种基于不变矩特征和神经网络的医学图像识别模型 所设计的识别模型包 · 括不变矩特征提取 、不变矩矢量标准化 、模糊化预处理 、B P 网络与竞争选择 利用不变矩方法提取 · 医学图像的特征矢量 ,能有效检测出具有平移 、旋转和比例变化的图像 ,利用神经网络作为分类器 对提取的特征矢量分类 ,使用模糊化的方法先对输入特征数据做预处理再进行识别 ,每一个图像 模式归属于某一类是以0 到 1 的数字代表其归属程度 实验结果验证了模型的有效性 ,训练好的 · 网络有很好的分类能力 · 关 　键 　词 : 医学图像 ;不变矩 ;矢量标准化 ;神经网络 ;模式识别 ;模糊分类 中图分类号 : TP 39 1 　　　文献标识码 : A Hu M . K. 最早提出了矩的概念并运用于形 目标总体形状的特征量 二维图形的几个关键特征 · 状识别 , 同时推出了矩的一系列基本性质并证明 均直接与矩有关 ,如图像的大小、形心和旋转情况 了有关矩的平移不变性 , 比例不变性和旋转不变 等等 不变矩由于概念清晰 ,识别率稳定 ,对具有旋 · 性[ 1 ] 目前 ,矩特征已广泛应用于 目标识别 、景物 转和缩放变化的目标有良好的不变性及抗干扰性 , · 匹配 、形状分析 、图像分析以及字符识别等许多方 能有效地反映图像的本质特征 因此 ,本文的识别 · 面[2～6 ] 神经网络中大量神经元并行分布运算的 模型将医学图像的不变矩作为识别特征 · · 原理 ,高效的学习算法以及对人的认知系统的模 仿能力等使它适于解决图像模式识别问题[7 ] · 2 　不变矩及其矢量标准化 由于医学成像的原理和设备不同 ,可以得到 2 . 1 　不变矩 多种医学图像 ,对医学图像的自动识别与诊断已 不变矩是指物体图像经过平移 、旋转以及比 成为当代医学图像研究的重要课题[ 8 ] 本文提出 例变换仍保持不变的矩特征量 ,设物体的二维离 · 了一种基于不变矩特征和神经网络的图像识别模 散图像函数用 f ( x , y) 表示, 其 ( p + q) 阶矩定义 型 ,基于医学图像的实验结果验证了模型的有效 为 性 ,训练好的网络有很好的分类能力 ,正确