使用MATLAB对一副缺陷图像提取特征量。。。把图像分割成3*3小块，然后计算每个小块的方差。积差和均值

我教你一个音频特征提取的例子，丛没陵你好好学学：

%% 该代码为基于带动量项的BP神经网络语音识别

%% 清空环境变量

clc

clear

%% 训练数据预测数据提取及归一化

%下载四类语音信号

load data1 c1

load data2 c2

load data3 c3

load data4 c4

%四个特征信号矩阵合成一个矩阵

data(1:500,:)=c1(1:500,:)

data(501:1000,:)=c2(1:500,:)

data(1001:1500,:)=c3(1:500,:)

data(1501:2000,:)=c4(1:500,:)

%从1到渗戚2000间随机排序

k=rand(1,2000)

[m,n]=sort(k)

%输入输出数据

input=data(:,2:25)

output1 =data(:,1)

%把输出从1维变成4维

for i=1:2000

switch output1(i)

case 1

output(i,:)=[1 0 0 0]

case 2

output(i,:)=[0 1 0 0]

case 3

output(i,:)=[0 0 1 0]

case 4

output(i,:)=[0 0 0 1]

end

end

%随机提取1500个样本为训练样本，500个样本为预测样本

input_train=input(n(1:1500),:)'

output_train=output(n(1:1500),:)'

input_test=input(n(1501:2000),:)'

output_test=output(n(1501:2000),:)'

%输入数据归一化

[inputn,inputps]=mapminmax(input_train)

%% 网络结构初始化

innum=24

midnum=25

outnum=4

%权值初始化

w1=rands(midnum,innum)

b1=rands(midnum,1)

w2=rands(midnum,outnum)

b2=rands(outnum,1)

w2_1=w2w2_2=w2_1

w1_1=w1w1_2=w1_1

b1_1=b1b1_2=b1_1

b2_1=b2b2_2=b2_1

%学习率

xite=0.1

alfa=0.01

%% 网络训练

for ii=1:10

E(ii)=0

for i=1:1:1500

%% 网络察兄预测输出

x=inputn(:,i)

% 隐含层输出

for j=1:1:midnum

I(j)=inputn(:,i)'*w1(j,:)'+b1(j)

Iout(j)=1/(1+exp(-I(j)))

end

% 输出层输出

yn=w2'*Iout'+b2

%% 权值阀值修正

%计算误差

e=output_train(:,i)-yn

E(ii)=E(ii)+sum(abs(e))

%计算权值变化率

dw2=e*Iout

db2=e'

for j=1:1:midnum

S=1/(1+exp(-I(j)))

FI(j)=S*(1-S)

end

for k=1:1:innum

for j=1:1:midnum

dw1(k,j)=FI(j)*x(k)*(e(1)*w2(j,1)+e(2)*w2(j,2)+e(3)*w2(j,3)+e(4)*w2(j,4))

db1(j)=FI(j)*(e(1)*w2(j,1)+e(2)*w2(j,2)+e(3)*w2(j,3)+e(4)*w2(j,4))

end

end

w1=w1_1+xite*dw1'+alfa*(w1_1-w1_2)

b1=b1_1+xite*db1'+alfa*(b1_1-b1_2)

w2=w2_1+xite*dw2'+alfa*(w2_1-w2_2)

b2=b2_1+xite*db2'+alfa*(b2_1-b2_2)

w1_2=w1_1w1_1=w1

w2_2=w2_1w2_1=w2

b1_2=b1_1b1_1=b1

b2_2=b2_1b2_1=b2

end

end

%% 语音特征信号分类

inputn_test=mapminmax('apply',input_test,inputps)

for ii=1:1

for i=1:500%1500

%隐含层输出

for j=1:1:midnum

I(j)=inputn_test(:,i)'*w1(j,:)'+b1(j)

Iout(j)=1/(1+exp(-I(j)))

end

fore(:,i)=w2'*Iout'+b2

end

end

%% 结果分析

%根据网络输出找出数据属于哪类

for i=1:500

output_fore(i)=find(fore(:,i)==max(fore(:,i)))

end

%BP网络预测误差

error=output_fore-output1(n(1501:2000))'

%画出预测语音种类和实际语音种类的分类图

figure(1)

plot(output_fore,'r')

hold on

plot(output1(n(1501:2000))','b')

legend('预测语音类别','实际语音类别')

%画出误差图

figure(2)

plot(error)

title('BP网络分类误差','fontsize',12)

xlabel('语音信号','fontsize',12)

ylabel('分类误差','fontsize',12)

%print -dtiff -r600 1-4

k=zeros(1,4)

%找出判断错误的分类属于哪一类

for i=1:500

if error(i)~=0

[b,c]=max(output_test(:,i))

switch c

case 1

k(1)=k(1)+1

case 2

k(2)=k(2)+1

case 3

k(3)=k(3)+1

case 4

k(4)=k(4)+1

end

end

end

%找出每类的个体和

kk=zeros(1,4)

for i=1:500

[b,c]=max(output_test(:,i))

switch c

case 1

kk(1)=kk(1)+1

case 2

kk(2)=kk(2)+1

case 3

kk(3)=kk(3)+1

case 4

kk(4)=kk(4)+1

end

end

%正确率

rightridio=(kk-k)./kk

N = length(x)

alpha = alpha* ones(1,N)

beta = beta*ones(1,N)

% produce the five diagnal vectors

alpham1 = [alpha(2:N) alpha(1)]

alphap1 = [alpha(N) alpha(1:N-1)]

betam1 = [beta(2:N) beta(1)]

betap1 = [beta(N) beta(1:N-1)]

a = betam1

b = -alpha - 2*beta - 2*betam1

c = alpha + alphap1 +betam1 + 4*beta + betap1

d = -alphap1 - 2*beta - 2*betap1

e = betap1

% generate the parameters matrix

A = diag(a(1:N-2),-2) + diag(a(N-1:N),N-2)

A = A + diag(b(1:N-1),-1) + diag(b(N), N-1)

A = A + diag(c)

A = A + diag(d(1:N-1),1) + diag(d(N),-(N-1))

A = A + diag(e(1:N-2),2) + diag(e(N-1:N),-(N-2))

invAI = inv(A + gamma * diag(ones(1,N)))

for count = 1:ITER,

vfx = interp2(fx,x,y,'*linear')

vfy = interp2(fy,x,y,'*linear')

% deform snake

x = invAI * (gamma* x + kappa*vfx)

y = invAI * (gamma* y + kappa*vfy)

end

matlab函数或变量无法识别：

验证未定义的函数或变量是否可见（位于路径或当前工作区中），以及它是否在执行此代码行之此姿前已经定义。

如果确定变量或函数存在，请验证函数或变量名的大小写。如果未定义的标识符是一个函数，则 which函数可以帮助您验证它对发生错误的函数是否可见。如果您的 MATLAB 搜索路径有问题，请运行以下 MATLAB 命令, 然后重新启动 MATLAB。

matlab函数或变量无法识别可能的原因包括：

1）键入函数或变量名时的拼写错误（例如，当您要键入小写字母 l 时键入了数字1）。同时，MATLAB 的新版本提供“是不是想输入:”来解决这些拼写错误。

2）函数或变量名的错误大小写。同时，MATLAB 的新版本提供液扒瞎“是不是想输入:”来解决这些拼写错误。

3）改变了路径，使得被调用的函数不在 MATLAB 路径下。

4）使用未获得许可的功能或未安装的工具闹空箱。

5）调用对象的方法，而没有指明对象名，仅给出了方法名。

6）调用在其他 *** 作系统平台编译的 MEX 函数。

---