遗传算法的噪声干扰数字图像分类性能评价

针对现实中各种噪声干扰的数字图像识别分类的问题,提出了基于遗传算法优化的BP神经网络和支持向量机神经网络两种方案,先在无噪声干扰情况下建模,然后加入人工噪声模拟现实中的噪声干扰。结果表明,遗传算法优化后的支持向量机网络方案具备更好的抗噪声干扰能力,在噪声干扰数字图像分类中具有更高应用价值。     

基于遗传神经网络的立体图像的客观评价

立体图像质量评价已成为立体成像技术领域的关键问题之一,采用基于统计学习的支持向量机模型模拟人类的认知特性对立体图像进行质量评价。但是由于立体图像较单视点平图像数据量成倍增长,为了降低计算复杂度,提取更加符合人类认知特性的图像特征,采用主成分分析提取立体图像样本的特征值和特征向量,利用遗传算法对支持向量机的参数进行最优化选择。实验结果表明:该方法较单纯采用支持向量机方法对立体图像质量进行评价泛化性能更好,其正确分类率达到94%,更符合人眼的主观感受。