简介:随着计算机处理能力的快速提高,彩色图像处理受到人们越来越多的关注。针对现有纹理识别算法计算速度慢,识别精度低等问题,本文提出了一种将颜色信息融人到纹理识别中的新方法——基于小波概率神经网络的彩色纹理识别。首先将RGB彩色纹理图像转化为HSV彩色模型,用小波变换(wT)进行树形结构小波分解提取彩色纹理的特征,然后使用概率神经网络对测试样本进行分类识别。本文对不同的自然纹理图像进行了实验,并将实验结果与文献”0做了比较。实验结果证明,本文方法的识别效果明显优于文献。
简介:在传统神经网络的基础上,引入小波函数而构成的小波神经网络具有极强的函数映射能力,在图像压缩领域有着较多应用.为了进一步提高图像的压缩质量,引入了遗传算法对传统小波神经网络算法进行改进,在对小波基平移和伸缩参数系数进行寻优时,将其作为种群初始化,经过选择、交叉和变异,获得最佳染色体,最后将最佳染色体转化成对应的权值、伸缩系数和平移系数从而进行小波神经网络映射.实验结果表明,改进后的小波神经网络图像压缩方法相较传统小波神经网络法,均方误差分别降低了14.8%和16.7%,图像信噪比分别提高了9.15%和7.11%,图像压缩质量有了较大提高.
简介:摘要高铁隧道变形监测过程中有很多不确定因素导致获得的监测数据包含很多随机误差,利用小波分析理论先对数据进行降噪处理,再通过小波分析与经典的人工神经网络相结合,建立小波神经网络模型进行预测。与BP网络模型相比,经过小波函数降噪后再进行预测模型的建立所获得的预测结果精度更高,误差小,在高铁隧道的变形监测研究中有很好的应用前景。
简介:摘要在阐明绿色施工概念的基础上构建了绿色施工的评价指标体系。概括介绍了基于小波神经网络评价方法的基本原理,并分析了该方法应用于绿色施工评价的优越性。详细论述了基于小波神经网络的绿色施工评价模型的建立过程,包括小波神经网络的建立、学习训练,以及结果的检验等。实例证明该模型有效、可靠,对指导实际工程具有重要意义。