本文提出了一种基于特征融合的纹理图像分类方法，它结合了纹理图像的特 点和框架小波变换方法，处理过程中充分考虑了图像各尺度间的依存关系以及不 同频带中所包含的图像纹理信息，利用支撑矢量机作为分类器，对标准纹理库中 的图像进行了仿真实验。 -This paper presents a texture feature fusion based image classification method, which combines the special texture Point

本程序融合机器学习，利用支持向量机训练车牌样本数据，然后用来识别测试数据，测试结果表明，该训练分类器正确率接近99 -This program fusion machine learning, support vector machine training license plate sample data were then used to identify the test data, test results show that the classifier is trained prop

基于叶片数字图像的植物识别是自动植物分类研究的热点。但是随着植物种类的增加，传统的分类方法由 于提取的特征比较单一或者分类器结构过于简单，导致叶片识别率较低。为此，本文提出使用纹理特征结合形状 特征进行识别，并且使用深度信念网络构架作为分类器。纹理特征通过局部二值模式、Gabor 滤波和灰度共生矩阵 方法得到。而形状特征向量由 Hu 氏不变量和傅里叶描述子组成。为了避免过拟合现象，使用“dropout”方法训练 深度信念网络。这种基于多特征融合的深度信念网络的植物识别方法-Plant based