基于多神经网络分类器组合的火焰图像分割

单一神经网络分类器的性能很大程度上取决于网络参数的选择 ,设计一个性能最优的神经网络分类器是非常困难的。针对这一问题 ,本文提出了基于多个 BP神经网络分类器组合的回转窑火焰图像分割方法。选取多组不同的训练样本对多个具有不同初始条件的 BP网络进行训练 ,网络收敛后 ,用于火焰图像的分割 ,会产生多种分割结果 ,采用平均值法、投票表决法、最大统计概率法和神经网络 4种方法对其进行组合 ,得到了最终的分割结果。实验结果表明 ,本文提出的方法具有分割效果好和可靠性高等优点 ,满足了实际使用的要求。