基于迭代神经网络的图像结构表示和分类
由于缺少结构化的表示,基于内容的图像分类存在一定的问题,据此提出了一种基于迭代神经网络的自然图像表示和分类的方法.利用Berkeley分割算法将图像分割成不同的区域,采用基于人工的多叉树或基于邻接区域的二叉树的方法进行区域合并,同时提取区域统计特征,得到图像的树型结构表示.根据BPTS算法对网络进行训练,训练好的网络就具备了图像分类的功能.实验结果表明,基于迭代神经网络的结构表示和分类方法具有很强的结构学习能力,同时人工生成的多叉树涵盖更多的语义信息且能得到较好的分类结果.
BPTS、图像分割、区域合并、迭代神经网络
25
TP391.41;TP183(计算技术、计算机技术)
国家自然科学基金60403008;陕西省自然科学基金
2005-04-21(万方平台首次上网日期,不代表论文的发表时间)
共3页
766-768