基于不变矩和改进BP神经网络的目标识别

摘要：

　　基于Hu不变矩的尺度不变性，以图像的不变矩特征作为输入，建立基于批训练的改进型误差反向传播(BP)神经网络。运用基于Bayesian正则化的Levenberg-Marquardt算法优化误差函数计算精度，改进网络，实现参数最优化组合。通过MAT?LAB环境，建立了基于不变矩的改进BP神经网络目标识别模型。实验表明，该方法实现了对目标的准确识别和对干扰图像的正确判断。

关键词：不变矩、BP神经网络、目标识别、Levenberg-Marquardt算法

分类号：TP391(计算技术、计算机技术)

在线出版日期：2013-08-03（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：49-54