基于矩和BP神经网络的纹理分割

论文题目: 基于矩和BP神经网络的纹理分割

论文类型: 硕士论文

论文专业: 生物医学工程

作者: 李海啸

导师: 舒华忠

关键词: 小波矩,纹理分割,特征选取,神经网络

文献来源: 东南大学

发表年度: 2005

论文摘要: 纹理分割是纹理分析中的难点,其中的关键技术是特征提取,特征提取的好坏直接影响着分割结果的好坏,矩作为一种特征描述子可以有效地提取纹理特征。综合考虑矩在图像描述能力、信息冗余度和噪声敏感性等方面的性能,Zernike矩具有比几何矩、Legendre矩等更优良的性能。但是几何矩和正交矩只能提取图像的全局特征,新出现的小波矩很好的克服了这一缺陷,它可以借助小波变换的多分辨率特性提取图像的局部特征。我们分别将这两种矩应用于提取纹理特征,得到了良好的分割结果。本课题首先提出基于Zernike矩和BP神经网络的纹理分割方法。它的特征提取分两步:首先在图像每个像素周围的小窗口内计算Zernike矩,得到纹理特征的几何模型,然后通过一个非线性变换器将第一步得到的矩值转换成特征向量。特征提取完成,接下来的分类工作交给BP神经网络。比较基于Zernike矩和基于Legendre矩的纹理分割结果,可以看出前者是一种更有效的分割方法。接下来讨论了Zernike矩的阶数及窗口的大小对分割结果的影响,得出结论:1、提高Zernike矩的阶数可以减少分割错误率,但是更高阶矩对噪声敏感,反而使分割错误率上升;2、矩值计算时窗口大小的选取与纹理本身的特点相关,较致密的纹理需要选取较小的窗口,较疏松的纹理需要选取较大的窗口,而非线性变换器的窗口应尽可能的大,以提高分割结果的区域连续性,但同时要考虑到计算效率问题。我们还提出了基于小波矩和BP神经网络的纹理分割方法。首先根据小波变换和旋转不变矩的概念引入了小波矩,主要讨论了两种小波矩——三次B样条矩和Haar矩,并且提出了特征选取的方法,提高了效率和特征性能。通过对差别细微的纹理对的分割结果进行比较,发现三次B样条矩的分割错误率低于Haar矩的,而Haar矩的分割错误率又低于Zernike矩的。

论文目录:

摘要

Abstract

目录

第一章 绪论

1.1 纹理分割的背景和意义

1.2 纹理分割的研究现状

1.2.1 特征提取

1.3 矩的初步知识

1.3.1 几何矩(Geometric Moment)

1.3.2 正交矩(Orthogonal Moment)

1.3.3 旋转矩(Rotational Moment)

1.3.4 复数矩(Complex Moment)

1.3.5 Tchebichef 矩(Tchebichef Moment)

1.3.6 小波矩(Wavelet Moment)

1.4 课题要解决的问题

参考文献

第二章 基于Zernike 矩的纹理特征提取

2.1 引言

2.2 特征提取

2.2.1 矩值计算

2.2.2 非线性变换器的实现

参考文献

第三章 基于BP 人工神经网络的纹理分类

3.1 引言

3.2 人工神经网络

3.2.1 神经元模型

3.2.2 人工神经网络构成

3.2.3 人工神经网络的学习规则

3.3 BP 神经网络

3.3.1 BP 网络模型

3.3.2 BP 网络输入输出关系

3.3.3 BP 网络学习训练

3.3.4 BP 网络的设计问题

3.3.5 BP 算法的改进

3.4 实验结果和讨论

参考文献

第四章 矩的阶数及窗口大小的研究

4.1 引言

4.2 矩的阶数对分割结果的影响

4.3 所选窗口大小的讨论

第五章 基于小波矩和BP 神经网络的纹理分割

5.1 引言

5.2 小波变换的基本概念

5.3 小波矩的引入

5.4 基于小波矩的特征提取

5.4.1 特征选择的一般方法

5.4.2 自动特征选择算法

5.5 实验结果与讨论

参考文献

第六章 总结与展望

致谢

发布时间: 2007-06-11

参考文献

• [1].贝叶斯正规化BP神经网络及其在医学中的应用[D]. 徐建伟.山西医科大学2006
• [2].基于BP神经网络的心脏病预测研究与实现[D]. 庞显涛.吉林大学2012
• [3].基于BP神经网络的脉搏波信号的辨识研究[D]. 吴晓栋.太原理工大学2010
• [4].基于BP神经网络的光学CT图像重建技术基础研究[D]. 吴琼.南京航空航天大学2006
• [5].基于GA—BP算法的模糊网络分类器在ECG自动识别中的应用研究[D]. 毛玲.国防科学技术大学2003
• [6].基于BP神经网络的ECG分类及应用研究[D]. 刘翰林.湖北工业大学2018
• [7].基于学习的视线估计及应用[D]. 吴雪梅.山东大学2018
• [8].Hadoop云环境下的高频脑电非线性动力学参数疾病诊断专家系统研究[D]. 李树春.佳木斯大学2016
• [9].基于小波分析与神经网络的轴承故障诊断研究[D]. 张维新.天津大学2008
• [10].基于神经网络血压预测研究与系统实现[D]. 陈少吉.华南理工大学2015

相关论文

• [1].基于BP神经网络的人脸识别技术的研究[D]. 周昕.南京理工大学2007
• [2].基于BP神经网络的图像识别与跟踪研究[D]. 方彩婷.西安电子科技大学2006
• [3].基于独立成分分析的纹理分割研究[D]. 李彪.四川大学2006
• [4].基于小波矩特征的小波神经网络目标识别研究[D]. 孙晓丽.东南大学2006
• [5].基于Quaternion-Gabor滤波器彩色纹理分割算法研究[D]. 王晓辉.上海交通大学2007
• [6].基于小波包变换的纹理图像分割[D]. 牛艳蓉.西北大学2007
• [7].基于小波变换和聚类技术的纹理分割算法研究[D]. 侯艳丽.河南大学2005
• [8].图像纹理分割与纹理替换研究[D]. 陈海旭.吉林大学2006
• [9].纹理分割方法及其应用研究[D]. 周晖.国防科学技术大学2005
• [10].基于小波和模糊聚类的纹理分割算法研究[D]. 宋相法.河南大学2003

标签：小波矩论文;  纹理分割论文;  特征选取论文;  神经网络论文;