基于多尺度主线方向特征的DBN分类方法

• 作者: 李倩 高强
• 来源期刊: 电视技术
• 学科: 工学
• 关键词: 深度信念网络 多尺度主线方向特征 图像分类 正确识别率 分类性能
• 年，卷（期）: 2015,（15）
• 所属期刊栏目: 视频应用与工程
• 页码范围: 120-124
• 页数: 5页
• 分类号: TN919.85
• 字数: 4793字
• 语种: 中文
• DOI: 10.16280/j.videoe.2015.15.027

摘要

针对深度信念网络(DBN)结构自身未考虑到二维图像空间结构信息、分类准确识别率不高等问题,提出了一种基于多尺度主线方向特征的DBN网络图像分类新方法(MSMD-DBN方法).该方法首先提取多尺度的线方向特征图和能量图,再通过二值化、细化能量图得到主线方向特征图,然后在可视层输入端加入多尺度主线方向信息特征图,并利用深度信念网络进行图像分类识别.旨在通过增加输入信息的维度,来达到提升图像分类性能的目的.在CIFAR-10和MNIST两个数据库上对不同样本的图像进行分类实验,结果表明,与采用传统DBN网络和DBN的改进算法相比,提出的算法的分类性能取得了显著的提高.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	高强	华北电力大学电气与电子工程学院	89	895	16.0	25.0
2	李倩	华北电力大学电气与电子工程学院	23	142	7.0	11.0