提出一种基于分形理论和BP 神经网络的航空遥感图像有监督分类方法。该方法尝试将航空图像 的光谱信息和纹理特征相结合。它首先将彩色航空图像由RGB 格式转化为HSI 格式,然后,根据亮度计算分 数维、多重分形广义维数谱q-D( q) 和“空隙”等基于分形的纹理特征,同时加入归一化的色度和饱和度作为光 谱特征,采用BP 神经网络作为分类器。通过对彩色航空图像的分类实验,结果证实该方法行之有效。-Based on fractal theory and BP neural network

为实现合格和缺陷板栗的分级， 研究了 1 种基于 BP 神经网络与板栗图像特征的板栗分级方法。 试验以罗田板 栗为研究对象， 提取的颜色及纹理等 8 个特征值， 通过主成分分析提取相应的主成分得分向量构成模式识别的输入。 利 用 BP 神经网络方法建立了板栗分级模型。 试验结果表明， 在图像信息主成分因子数为 3， 中间层节点数为 12 时， 建立 的模型最佳， 模型训练时的回判率为 100 ， 预测时识别率达到了 91 .67 。 研究结果表明基于机器视觉技术的针对缺陷 板栗分