基于神经网络的二维不变性目标识别方法

• 作者: 于洵 张季涛 贾财潮
• 来源期刊: 光学学报
• 学科: 工学
• 关键词: 神经网络 目标识别 傅里叶描述器 形状特征
• 年，卷（期）: 1999,（8）
• 所属期刊栏目: 全息和信息处理
• 页码范围: 1074-1078
• 分类号: TP3
• 语种: 中文
• DOI: 10.3321/j.issn:0253-2239.1999.08.013

摘要

提出了一种基于多层前馈神经网络的二维不变性目标识别方法.利用傅里叶描述器提取具有旋转、平移及尺度不变性的目标形状特征.由于所识别的工业工具具有一个自由度,它们的形状有一定的动态变化范围,导致同一目标的形状特征矢量的不唯一性.文中采用含有两个隐层的多层前馈网络学习及识别这些特征矢量.在实验中,对四类机械工具进行测试,并将所提出方法与最近邻分类器进行比较.结果表明,具有反向传播(BP)学习算法的多层前馈网络对噪音和形状特征变化具有鲁棒性,且它还能判断未训练样本.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	贾财潮	上海交通大学计算机科学与工程系	2	23	2.0	2.0
2	张季涛		3	45	3.0	3.0
3	于洵		2	35	2.0	2.0