-
公开(公告)号：CN101799873A
公开(公告)日：2010-08-11
申请号：CN201010102438.2
申请日：2010-01-28
Applicant: 哈尔滨工业大学
IPC: G06K9/62
Abstract: 一种基于经验模态分解的多分组图像有监督分类方法，属于图像处理领域，本发明为解决现有的有监督分类方法对特征利用不充分，分类精度低的问题。本发明方法包括以下步骤：一、对各像素的特征向量进行经验模态分解，得到扩展特征向量；二、将各像素的原始特征向量及其扩展特征向量按统一规则结合，得到扩维特征向量；三、对支持向量机进行训练，然后对扩维测试特征向量的类别进行归属判定，形成多个支持向量机子分类器；四、构建基于一对一策略的多分类器对各像素的归属类别作出决策，完成多分组图像的分类。本发明用于需要高精度分类的多分组图像模式识别应用。
-
公开(公告)号：CN101799873B
公开(公告)日：2011-10-19
申请号：CN201010102438.2
申请日：2010-01-28
Applicant: 哈尔滨工业大学
IPC: G06K9/62
Abstract: 一种基于经验模态分解的多分组图像有监督分类方法，属于图像处理领域，本发明为解决现有的有监督分类方法对特征利用不充分，分类精度低的问题。本发明方法包括以下步骤：一、对各像素的特征向量进行经验模态分解，得到扩展特征向量；二、将各像素的原始特征向量及其扩展特征向量按统一规则结合，得到扩维特征向量；三、对支持向量机进行训练，然后对扩维测试特征向量的类别进行归属判定，形成多个支持向量机子分类器；四、构建基于一对一策略的多分类器对各像素的归属类别作出决策，完成多分组图像的分类。本发明用于需要高精度分类的多分组图像模式识别应用。
-
公开(公告)号：CN102542296B
公开(公告)日：2014-08-06
申请号：CN201210005968.4
申请日：2012-01-10
Applicant: 哈尔滨工业大学
Abstract: 一种采用基于多变量灰色模型的二维经验模态分解提取图像特征的方法，属于图像处理领域，本发明为解决现有二维经验模态分解方法受端点效应影响而无法有效提取图像本征信息的问题。本发明采用多变量灰色模型对给定图像进行边界延拓，再对延拓后的图像进行传统的二维经验模态分解，得到延拓的二维本征模态函数和残差，提取与原图像对应位置的二维本征模态函数和残差，作为最终分解结果。本发明充分发挥了灰色理论所需数据量少、短期预测精度高、计算速度快、对原始数据分布无特殊要求的优势，易于实现与推广应用。
-
公开(公告)号：CN102542296A
公开(公告)日：2012-07-04
申请号：CN201210005968.4
申请日：2012-01-10
Applicant: 哈尔滨工业大学
Abstract: 一种采用基于多变量灰色模型的二维经验模态分解提取图像特征的方法，属于图像处理领域，本发明为解决现有二维经验模态分解方法受端点效应影响而无法有效提取图像本征信息的问题。本发明采用多变量灰色模型对给定图像进行边界延拓，再对延拓后的图像进行传统的二维经验模态分解，得到延拓的二维本征模态函数和残差，提取与原图像对应位置的二维本征模态函数和残差，作为最终分解结果。本发明充分发挥了灰色理论所需数据量少、短期预测精度高、计算速度快、对原始数据分布无特殊要求的优势，易于实现与推广应用。
-
-
-
Search Results
4
records
(took 0.02 seconds)
