Journal of Computer Applications ›› 2005, Vol. 25 ›› Issue (04): 766-768.DOI: 10.3724/SP.J.1087.2005.0766

• Graphics and image processing • Previous Articles     Next Articles

Image structure representation and classification based on recursive neural network

QU Shen1,WANG Qing1,CHI Zhe-ru2   

  1. 1.School of Computer Science,Northwestern Polytechnical University,Xi’an Shaanxi 710072,China; 2.Department of Electronics and Information Engineering,Hong Kong Polytechnic University,Hong Kong,China
  • Online:2005-04-01 Published:2005-04-01

基于迭代神经网络的图像结构表示和分类

屈伸1,王庆1,池哲儒2   

  1. 1.西北工业大学计算机学院; 2.香港理工大学电子与资讯工程学系
  • 基金资助:

    国家自然科学基金资助项目(60403008);;陕西省自然科学基金资助项目

Abstract:

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。

Key words: BPTS, image segmentation, region mergence, recursive neural network

摘要:

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。

关键词: BPTS, 图像分割, 区域合并, 迭代神经网络

CLC Number: