高级搜索

留言板

尊敬的读者、作者、审稿人, 关于本刊的投稿、审稿、编辑和出版的任何问题, 您可以本页添加留言。我们将尽快给您答复。谢谢您的支持!

姓名
邮箱
手机号码
标题
留言内容
验证码

一种基于Hough变换和神经网络的分层类星体识别方法

周虹 黄凌云 罗曼丽

周虹, 黄凌云, 罗曼丽. 一种基于Hough变换和神经网络的分层类星体识别方法[J]. 电子与信息学报, 2000, 22(4): 529-535.
引用本文: 周虹, 黄凌云, 罗曼丽. 一种基于Hough变换和神经网络的分层类星体识别方法[J]. 电子与信息学报, 2000, 22(4): 529-535.
Zhou Hong, Huang Lingyun, Luo Manli. A STRATIFIED APPROACH FOR QUASAR RECOGNITION BASED ON HOUGH TRANSFORM AND NEURAL NETWORK[J]. Journal of Electronics & Information Technology, 2000, 22(4): 529-535.
Citation: Zhou Hong, Huang Lingyun, Luo Manli. A STRATIFIED APPROACH FOR QUASAR RECOGNITION BASED ON HOUGH TRANSFORM AND NEURAL NETWORK[J]. Journal of Electronics & Information Technology, 2000, 22(4): 529-535.

一种基于Hough变换和神经网络的分层类星体识别方法

A STRATIFIED APPROACH FOR QUASAR RECOGNITION BASED ON HOUGH TRANSFORM AND NEURAL NETWORK

  • 摘要: 类星体是宇宙中最明亮、密集的天体。它产生于宇宙诞生早期,具有重要的研究价值。观测的类星体光谱由于红移现象,光谱向长波方向偏移,因此识别类星体观测光谱中的发射线和确定类星体的红移是类星体识别的主要目标。类星体光谱固有的高噪声和观测光谱特性,给类星体识别带来很大困难。一般来说基于规则的直接匹配方法在类星体识别中效果不佳。本文介绍一种神经网络和Hough变换(HT)结合的类星体自动识别方法。该方法具有简单、快速、高效、鲁棒性强和通用性强等特点。
  • Robert A M,Steven N S.Encyclopedia of Astronomy and Astrophysics.San Diego:Academic Press,1989,571-574.[2]中国科学院.LAMOST项目计划建议书.1995年9月.[3]吴永东,马颂德.多尺度形态滤波弹性匹配技术在类星体谱线识别中的应用.中国图形图象学报,1997,2(1):1-6.[4]焦李成.神经网络计算.西安:西安电于科技大学出版社,1993,第二章.[5]Janakiraman J,Hona Var V.Adaptive learning rate selection for backpropagation network.Pro-ceeding of SPIE`93 Orlando,Florida:1993,1-17.[6]Illingworth J,Kittler J.A survey of the Hough transform[J].Computer Vision,Graphics,and Image Processing.1988,44(1):87-116[7]LeaVers V F.Survey which Hough transform[J].CVGIP:Image Understanding.1993,58(2):250-264[8]Palmer P L,Petrou M,Kittler J.Hough transform algorithm with a 2D hypothesis testing kernel[J].CVGIP:Image Understanding.1993,58(2):221-234
  • 加载中
计量
  • 文章访问数:  1963
  • HTML全文浏览量:  85
  • PDF下载量:  510
  • 被引次数: 0
出版历程
  • 收稿日期:  1998-09-24
  • 修回日期:  1999-08-09
  • 刊出日期:  2000-07-19

目录

    /

    返回文章
    返回