简介:将分支前馈神经网络(BFNN)运用于数字字符的模式识别问题中,其某些性能优于标准反向传播(BP)网络。BFNN的隐层神经元与输出神经元之间为分组对应关系,采用的学习算法与标准BP算法类似。BFNN可以根据样本的可分性构建最适宜的网络结构。在对大规模、分类复杂的样本进行识别时,性能优于标准BP网络。
简介:摘要图像拼接是图像处理技术的一个重要内容,是一种将多张有衔接重叠的图像拼成一张高分辨率图像的技术。该技术广泛应用于显微图像分析、数字视频、运动分析、医学图像处理、虚拟现实技术和遥感图像处理等领域1。本次方法探究是为满足不同形态的工件图像拼接要求,得到拼接影像量测工件尺寸,从而对图像拼接技术做深入探究,提出基于棋盘格标定板角点检测图像拼接的处理方法。探究基于棋盘格标定板角点特征的图像拼接技术,利用RANSAC算法提高关键点匹配度,然后为消除拍摄角度产生的尺寸误差,对拍摄的图像进行透视变换,最后基于C++编程实验实现透视变换后两张图像拼接过程,实验结果证明了拼接方法的可行性及有效性。