基于矩和BP神經(jīng)網(wǎng)絡(luò)的紋理分割.pdf

1、本課題首先提出基于Zernike矩和BP神經(jīng)網(wǎng)絡(luò)的紋理分割方法。它的特征提取分兩步：首先在圖像每個(gè)像素周圍的小窗口內(nèi)計(jì)算Zernike矩，得到紋理特征的幾何模型，然后通過一個(gè)非線性變換器將第一步得到的矩值轉(zhuǎn)換成特征向量。特征提取完成，接下來的分類工作交給BP神經(jīng)網(wǎng)絡(luò)。比較基于Zernike矩和基于Legendre矩的紋理分割結(jié)果，可以看出前者是一種更有效的分割方法。接下來討論了Zernike矩的階數(shù)及窗口的大小對(duì)分割結(jié)果的影響，得出結(jié)論

2、： 1、提高Zernike矩的階數(shù)可以減少分割錯(cuò)誤率，但是更高階矩對(duì)噪聲敏感，反而使分割錯(cuò)誤率上升； 2、矩值計(jì)算時(shí)窗口大小的選取與紋理本身的特點(diǎn)相關(guān)，較致密的紋理需要選取較小的窗口，較疏松的紋理需要選取較大的窗口，而非線性變換器的窗口應(yīng)盡可能的大，以提高分割結(jié)果的區(qū)域連續(xù)性，但同時(shí)要考慮到計(jì)算效率問題。 提出了基于小波矩和BP神經(jīng)網(wǎng)絡(luò)的紋理分割方法。根據(jù)小波變換和旋轉(zhuǎn)不變矩的概念引入了小波矩，討論了兩種小波矩—