基于图像的产品缺陷特征提取方法

在基于图像的工业产品缺陷检测中,多为非均匀背景的高像素图像,传统的图像分割方法难以将缺陷目标快速从图像背景中分离出来．本文提出一种从非均匀背景中分离目标的新方法：首先,对原始图像进行栅格采样,将各采样点组成一幅小的图像;接着,对该图像应用GLPE进行滤波和平滑,以消除目标对背景的影响,接着应用Facet模板按原取样值对该图像插值进行二次平滑,从而得到背景图像;最后,将原始图像减去背景图像即得到目标图像．实验结果表明,该方法与传统图像分割法相比,对缺陷特征的识别更准确,目标提取速度更快,可以显著提高产品缺陷的检测效率．     

基于粗糙集的神经网络缺陷分类方法的研究

目的减小BP网络的维数，提高网络的训练速度与精度．方法采用粗糙集软计算方法对墙地砖的原始特征进行优化，去除冗余特征，并采用BP网络对测试样本中随机选取的样本进行测试．结果通过对该算法的仿真，证明了该算法具有良好的识别精度．结论采用粗糙集理论对原始数据进行特性约简，除去了冗余特征，完成预处理的过程，缩短了神经网络分类器训练时间，提高了分类精度，在一定程度上提高了系统实时性     

基于改进的BP神经网络钢板表面缺陷分类算法研究

钢板表面质量决定钢板的抗腐蚀性、抗磨性和疲劳强度等使用性能,决定相关产品的安全性能.目前还没有一种算法可很好的解决钢板表面缺陷分类问题.应用BP神经网络算法识别钢板表面缺陷,并采用高阶扰动理论解决BP神经网络算法固有的缺点,如学习速度慢、易陷入局部极值等.最后通过实验验证了算法的有效性,钢板缺陷识别率达到83%.     

改进可拓理论的带钢表面缺陷图像分类方法

将可拓理论引入到带钢表面缺陷图像的分类中,提取分割前后缺陷图像的12个特征值,对可拓理论用于分类的关键步骤-关联度的计算方法进行改进,首先确定某缺陷特征值与某类缺陷对应特征值经典域的距绝对值,再计算出该特征值与各类缺陷对应特征值经典域的距绝对值之和,以二者的商作为关联度计算的权值. 对该方法的可行性进行了论证,并对带钢表面缺陷图像分类进行了仿真,仿真结果显示改进后的方法分类准确性有较大的提高.     

基于局部保持线性判别嵌入特征提取的光谱图像分类

针对难于获得足够多的高光谱图像训练样本的问题,基于流形学习标准、Fisher标准和最大边缘标准,提出了一种适用于高光谱图像小样本问题的局部保持线性判别嵌入(LPLDE)监督线性流形学习特征提取方法。LPLDE方法利用类内近邻图和类间近邻图描述类内的紧性和类间的可分性,有效地避免了因类内离散度矩阵奇异导致的小样本问题,具有更好的判别性能,更适合于分类问题。高光谱数据的实验结果表明了该方法的有效性。     

猪眼肌B超图像纹理特征提取与分类

提出了猪眼肌B超图像的纹理特征提取与分类方法,可以应用于猪眼肌肌内脂肪含量的计算机辅助检测判断。对猪眼肌B超图像特征区域采用基于纹理共生矩阵的算法提取了5种纹理特征量。使用相关性分析的方法对提取的5种特征量进行筛选,最后确定3种主要特征量反映猪眼肌B超图像纹理特征,并使用BP神经网络实现分类。对135组已测数据随机选取训练集合测试集。多次随机试验表明,所提取的算法达到了较高的分类准确率,为生猪肉质无损检测研究提供了有价值的参考。     

基于近邻保留PNMF特征提取的高光谱图像分类

通过对投影非负矩阵分解(PNMF)增加近邻保留假设,提出了一种新的高光谱图像线性特征提取方法———近邻保留投影非负矩阵分解(NPPNMF)。NPPNMF保留了高光谱数据在低维特征空间中的局部几何结构,克服了PNMF基于Euclidean的缺点。根据在构造k近邻图时是否使用训练样本的类标签信息决定了NPPNMF既可以是无监督的特征提取方法,也可以是有监督的特征提取方法,从而提高了PNMF算法的鉴别力。理论证明和高光谱图像数据的分类结果表明了该方法的有效性及应用潜力。     

一种基于动力学特征的机型分类识别方法

针对航迹数据量有限条件下,如何精确、快速地实现机型分类识别问题,提出一种基于动力学特征的机型分类识别方法。首先,分析飞机的运动特性,提取动压均值特征,并结合航迹数据中飞行高度、对地速度的均值特征,构建动力学特征数据集;其次,搭建轻量化BP神经网络作为分类器,使用训练数据集对网络进行训练,得到机型分类识别网络模型,实现机型分类识别。实验结果表明：在航迹数据量有限条件下,动力学特征的引入使机型分类识别的平均正确率提高了16.57%;与现有研究方法相比,分类识别所用时间为对比方法的13.3%。     

基于纹理特性的织物表面缺陷图像的分类研究

研究了BP神经网络和小波神经网络的分类器,并利用BP神经网络和小波神经网络对缺陷图像进行疵点识别,通过两者的仿真结果得出结论:小波神经网络具有逼近能力强、收敛速度快、网络参数(隐层结点数和权重)的选取有理论依据的优点.     

基于双池化注意力机制的高光谱图像分类算法

为了提高高光谱图像在有限训练样本下的分类性能,提出了一种基于双池化注意力机制的高光谱图像分类网络(DPAMN).首先,采用三维卷积提取高光谱图像的空间和光谱浅层信息.其次,为了增强网络的特征提取能力,在DPAMN中引入了一种双池化注意力机制.最后,在网络的深层引入三维卷积密集连接模块,该模块不仅能够充分提取高光谱图像的空间和光谱特征,同时还能提高特征的判别能力.实验结果表明,在Indian Pines、University of Pavia、Salinas以及Houston 2013数据集上分别取得95.45%、97.11%、95.30%以及93.71%的整体平均精度,与目前主流的已有先进方法相比,所提出的方法在4个数据集上均有较大提升,表明所提方法具有较强的泛化能力.     

Convolutional Neural Network Based on Spatial Pyramid for Image Classification

A novel convolutional neural network based on spatial pyramid for image classification is proposed. The network exploits image features with spatial pyramid representation. First, it extracts global features from an original image, and then different layers of grids are utilized to extract feature maps from different convolutional layers. Inspired by the spatial pyramid, the new network contains two parts, one of which is just like a standard convolutional neural network, composing of alternating convolutions and subsampling layers. But those convolution layers would be averagely pooled by the grid way to obtain feature maps, and then concatenated into a feature vector individually. Finally, those vectors are sequentially concatenated into a total feature vector as the last feature to the fully connection layer. This generated feature vector derives benefits from the classic and previous convolution layer, while the size of the grid adjusting the weight of the feature maps improves the recognition efficiency of the network. Experimental results demonstrate that this model improves the accuracy and applicability compared with the traditional model.     

基于内容检索的BMP图象特征提取

针对静态图象的特性 ,介绍了一种可以在 C语言环境下读取 BMP文件的方法 ,用这种方法 ,可以得到不同位图像素值的 BMP图象的每一个像素点的信息 (即 R,G,B)。在分析了几种典型的颜色和纹理特征提取算法的基础上 ,通过转换成不同的颜色空间 ,利用基于颜色和基于纹理的图象检索算法 ,提取该图象的颜色和纹理特征。并用不同的量化方法对图象的特征提取的效率进行了分析     

基于彩色图像的梨表面缺陷提取方法

随着我国改革开放步伐的加大,梨等农产品的深加工对提升出口梨果质量水平、提高出口规模和增加国民收入具有重大意义.经实践检验,采用数字图像处理技术对水果进行外观品质分级,具有速度快、准确度高等特点,并可广泛应用于多种水果和蔬菜的分级过程中.目前,国内针对梨的外观品质分级的研究相对较少,梨表面颜色多,斑点、果锈等干扰多,导致难以进行准确的缺陷识别是重要的原因之一.由于使用传统外观缺陷提取方法难以获得良好的效果,所以提出了一种新的基于彩色图像的缺陷提取方法,以期在多种情况的梨表面缺陷提取操作中获得准确率高、鲁棒性强等效果.对该方法进行了一些测试,取得了积极的效果.     

基于串并行卷积门阀循环神经网络的短文本特征提取与分类

针对短文本数据特征少、提供信息有限,以及传统卷积神经网络（convolutional neural network,CNN）和循环神经网络（recurrent neural network,RNN）对短文本特征表示不充分的问题,提出基于串并行卷积门阀循环神经网络的文本分类模型,处理句子特征表示与短文本分类。该网络在卷积层中去除池化操作,保留文本数据的时序结构和位置信息,以串并行的卷积结构提取词语的多元特征组合,并提取局部上下文信息作为RNN的输入;以门阀循环单元（gated recurrent unit,GRU）作为RNN的组成结构,利用文本的时序信息生成句子的向量表示,输入带有附加边缘距离的分类器中,引导网络学习出具有区分性的特征,实现短文本的分类。实验中采用TREC、MR、Subj短文本分类数据集进行测试,对网络超参数选择和卷积层结构对分类准确率的影响进行仿真分析,并与常见的文本分类模型进行了对比实验。实验结果表明：去掉池化操作、采用较小的卷积核进行串并行卷积,能够提升文本数据在多元特征表示下的分类准确率。相较于相同参数规模的GRU模型,所提出模型的分类准确率在3个数据集中分别提升了2.00%、1.23%、1.08%;相较于相同参数规模的CNN模型,所提出模型的分类准确率在3个数据集中分别提升了1.60%、1.57%、0.80%。与Text-CNN、G-Dropout、F-Dropout等常见模型相比,所提出模型的分类准确率也保持最优。因此,实验表明所提出模型可改善分类准确率,可实际应用于短文本分类场景。     

基于脉冲耦合神经网络的目标特征抽取方法

为解决待识别目标的特征抽取问题,提出了一种脉冲耦合神经网络结合形状信息的图像混合特征抽取方法。该方法利用脉冲耦合神经网络将图像空域信号转化为时域信号的特性,结合物体形状信息,对图像的灰度和形状进行了统一描述。实验结果证明,该方法在一定程度上对物体的形变、平移、缩放不敏感,对目标识别系统是一种很好的特征抽取方法。     

基于BP网络的指纹识别系统

针对指纹数据库规模不断增大的情况,为了提高指纹识别的速度和准确度,采用BP神经网络先对指纹进行分类,把指纹分成左环、右环、拱、涡、棚状拱和不辨型6种类型,然后在相应的子类库中根据特征提取进行识别。设计并实现了一个指纹识别系统,该系统能够自动地进行指纹分类,而且还能实时地将结果与指纹数据库进行比对。实验结果表明,该系统能迅速地获得被识别人员的身份信息。     

类别特征词权重加权文本分类方法

提出了一种针对小训练集环境的文本自动分类方法。在传统自动训练过程中通过训练集为每个类别建立初步类别特征向量,由于初步类别特征向量是在小训练集基础上建立的,含有的类别特征信息不够充分。在初步类别特征向量基础上,标定了一定数量的一级和二级类别核心特征词,在文本/类别相似度计算中,利用自动训练过程得到的核心特征词权重因子对核心特征词权重加权,以提高类别特征向量中类别特征信息的含量。实验结果显示,这种分类方法自动分类重合率达到94.12%以上,与不进行权重加权方法的52.94%相比,有很大提高。     

中文文本分类中特征提取方法的比较与改进

目前有多种特征提取方法用于文本自动分类,其中CHI方法效果较好,研究发现CHI方法存在着词与类别的无独立性假设及计算复杂度高等缺点,提出一种改进了的CHI方法ICHI（ImprovedCHI）,通过分类实验仿真数据显示,在SVM与KNN分类中这种改进后的特征提取方法ICHI特征提取效果优于传统的CHI方法,改进后的方法ICHI能提高文本分类的准确率,适合局部特征提取．     

复杂样本分类系统的FAGABPNN法

针对复杂样本的模式分类问题,提出了有效的因子分析法(FA)、遗传算法(GA)和BP神经网络(BPNN)相结合的FAGABPNN分类方法,基本思想是:首先利用因子分析法对输入样本降维,然后利用遗传算法和BP神经网络相结合的方法对系统进行建模.仿真结果表明,该系统为给复杂样本的分类提供了一条有效的途径.     

复杂样本分类系统的FAGABPNN法

针对复杂样本的模式分类问题，提出了有效的因子分析法（FA）、遗传算法（GA）和BP神经网络（BPNN）相结合的FAGABPNN分类方法，基本思想是：首先利用因子分析法对输入样本降维，然后利用遗传算法和BP神经网络相结合的方法对系统进行建模．仿真结果表明，该系统为给复杂样本的分类提供了一条有效的途径．