超级会员免费看
本文探讨了特征提取在模式识别中的重要性，特别是在蔬菜和水果分类任务中。介绍了图像二值化处理的阈值选择方法，以及人工神经网络，特别是BP神经网络在果蔬自动分类系统中的应用。实验结果显示，通过颜色、纹理和形状特征的提取，结合BP网络，对10种蔬菜的50张图像进行了有效识别。
特征提取算法：在模式识别中，特征提取是非常重要的，它强烈的影响着后面的分类器的设计及其性能。假使对不同类别这些特征差别很大，那就比较容易设计出具有较好性能的分类器。因此，特征选择是模式识别中的一个关键问题。由于在很多实际问题中常常不容易找到那些最重要的特征，或受条件限制不能对它们进行测量，这就使特征选择和提取的任务复杂化而成为构造模式识别系统最困难的任务之一。
特征选择与提取的基本任务是如何从许多特征中找出那些最有效的特征。任何识别过程的第一步，不论用计算机还是由人去识别，都要首先分析各种特征的有效性并选出最有代表性的特征。显然特征选择和提取这一任务应在设计分类器之前进行。
可以把特征分为三类：①物理的，②结构的，③数学的
订阅专栏 解锁全文
扫一扫
413
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
