Es wird ein skalierungs- und rotationsunabhängiges Mustererkennungssystem vorgeschlagen, das auf komplex-logarithmischer Abbildung (CLM: complex-log mapping) und einem erweiterten neuronalen Netz zweiter Ordnung (SONN) basiert. CLM ist besonders vorteilhaft bei der Bestimmung der skalierungs- und rotationsunabhängigen Eigenschaften. Die Ergebnisse werden in Form einer zyklischen Adressierung angegeben. Dieses Problem wird mit einem erweiterten neuronalen Netz zweiter Ordnung (SONN) gelöst. Experimente haben gezeigt, daß das vorgeschlagene System verbesserte Mustererkennungs-Eigenschaften besitzt.


    Access

    Access via TIB

    Check availability in my library

    Order at Subito €


    Export, share and cite



    Title :

    Scale and rotation invariant pattern recognition using complex-log mapping and augmented second order neural network


    Additional title:

    Skalierungs- und rotationsunabhängige Mustererkennung auf der Basis komplex-logarithmischer Abbildung und erweiterter neuronaler Netze zweiter Ordnung


    Contributors:
    Kwon, H.Y. (author) / Kim, B.C. (author) / Cho, D.S. (author) / Hwang, H.Y. (author)

    Published in:

    Electronics Letters ; 29 , 7 ; 620-621


    Publication date :

    1993


    Size :

    2 Seiten, 1 Tabelle, 4 Quellen




    Type of media :

    Article (Journal)


    Type of material :

    Print


    Language :

    English





    Pattern recognition method is rotation-invariant

    British Library Online Contents | 2001


    Star pattern recognition based on features invariant under rotation

    Jiang, D. / Zhang, K. / Debeir, O. | British Library Online Contents | 2017


    A Rotation-Invariant Additive Vector Sequence Based Star Pattern Recognition

    Mehta, Deval Samirbhai / Chen, Shoushun / Low, Kay-Soon | IEEE | 2019


    Globally rotation invariant multi-scale co-occurrence local binary pattern

    Qi, X. / Shen, L. / Zhao, G. et al. | British Library Online Contents | 2015