利用神经网络实现多模光纤传输散斑的识别
搭建实验平台,把26个字母的图像传入光纤,并在输出端采集散斑图。把散斑图展开到HSV色彩空间中,单使用V分量进行分类能达到不错的分类准确率,且能缩减训练时长。在预处理后,分别使用具有不同层数卷积结构的神经网络、卷积神经网络和支持向量机(CNN+SVM)算法、SVM算法对散斑图进行分类。测试结果发现,使用4420张散斑图作为训练集,3层卷积结构的神经网络的识别准确率为88%,4层卷积结构的神经网络的识别准确率为95%,CNN+SVM算法的识别准确率为98%,而SVM算法的识别准确率达到了100%。实验结果表明,把机器学习算法应用在光信号上,同样可以对多模光纤散斑图进行分类,当图像特征相对明显时,直接使用SVM算法对光纤输出散斑进行识别,可以大大提升多模光纤输出散斑图的识别准确率。
文件下载
评论信息
其他资源
- 自己编写的WFCM算法
- matlab存储asc文件
- 视觉几何经典著作An Invitation to 3D Vision完整版
- 基于熵率的超像素分割代码
- pydelicious的__init__.py替换文件
- android网上服装购物系统
- 卷积神经网络图像识别python代码
- 水中机器鱼代码
- arduino智能眼镜论文
- flappyBird
- 基于wifi的室内定位算法
- SM3算法IP核
- 2021年《计算机体系结构》考前辅导大纲
- Graph Maker版本 1.5.8
- 实序列快速傅里叶变换C语言源代码
- 基于DSP的语音信号分析系统
- 解决office2003 2010 1402：问无法打开注册表项
- OpenStack云计算平台管理(nova-compute/network)一
- spooling假脱机输入输出模拟技术
- javaweb使用mvc框架实现注册登录
- 中石油加油机的控制程序（C51）
- 通过注册表限制软件使用次数
免责申明
【只为小站】的资源来自网友分享，仅供学习研究，请务必在下载后24小时内给予删除，不得用于其他任何用途，否则后果自负。基于互联网的特殊性，【只为小站】 无法对用户传输的作品、信息、内容的权属或合法性、合规性、真实性、科学性、完整权、有效性等进行实质审查；无论 【只为小站】 经营者是否已进行审查，用户均应自行承担因其传输的作品、信息、内容而可能或已经产生的侵权或权属纠纷等法律责任。
本站所有资源不代表本站的观点或立场，基于网友分享，根据中国法律《信息网络传播权保护条例》第二十二条之规定，若资源存在侵权或相关问题请联系本站客服人员，zhiweidada#qq.com，请把#换成@，本站将给予最大的支持与配合，做到及时反馈和处理。关于更多版权及免责申明参见 版权及免责申明
本站所有资源不代表本站的观点或立场，基于网友分享，根据中国法律《信息网络传播权保护条例》第二十二条之规定，若资源存在侵权或相关问题请联系本站客服人员，zhiweidada#qq.com，请把#换成@，本站将给予最大的支持与配合，做到及时反馈和处理。关于更多版权及免责申明参见 版权及免责申明