神经网络引入图像识别的研究.doc
约32页DOC格式手机打开展开
神经网络引入图像识别的研究,页数 32字数18092 摘要 利用人工神经网络在信息处理方面的优势解决图像识别问题是本文研究的目的和重点。本文围绕图像识别这一个中心课题，研究了目标图像原始数据的获取、预处理、不变性特征的提取方法以及神经网络识别技术。在图像的预处理部分，先对获取的图像进行平滑、去噪，随后对其进行边缘检测、增...
内容介绍
此文档由会员 猛龙 发布
神经网络引入图像识别的研究
页数 32 字数 18092
摘 要
利用人工神经网络在信息处理方面的优势解决图像识别问题是本文研究的目的和重点。本文围绕图像识别这一个中心课题，研究了目标图像原始数据的获取、预处理、不变性特征的提取方法以及神经网络识别技术。
在图像的预处理部分，先对获取的图像进行平滑、去噪，随后对其进行边缘检测、增强，最后，由于获取的图像目标和摄像机位置关系的不同，可能出现平移、尺度变化、扭曲、旋转等不同的变化，将图像进行归一化处理，使其成为对平移、尺度变化、扭曲具有不变性的规格化图像。
在神经网络分类识别方面，简单介绍了神经网的算法原理和一种神经网络模型-前馈网络(BP),从而提出一种神经网络的图像识别方法,并用BP神经网络方法进行目标识别，并对神经网络识别系统进行了设计.
关键词： 图像识别，特征提取，模式识别，神经网络
目 次
摘 要 I
ABSTRACT II
1 概述 1
1.1 课题的目的及意义 1
1.2 模式识别概述 2
1.2.1 基本概念 2
1.2.2 模式识别系统 2
1.2.2.1 数据获取 2
1.2.2.2 预处理 3
1.2.2.3 特征提取和选择 3
1.2.2.4 分类决策 3
1.2.3 模式识别的主要方法 3
1.3 图像、图像处理与图像识别 5
1.4 目标识别技术的发展与现状 6
1.5 本文的工作 7
2 图像的预处理与分割 9
2.1 图像的预处理 9
2.2 图像的分割 9
3 目标图像的不变性特征提取 11
3.1 特征与特征提取的基本概念 11
3.1.1 特征的分类 11
3.1.2 特征的三要素 11
3.1.3 目标图像识别的特殊性 11
3.1.4 特征提取 12
3.2 目标识别系统 13
3.3 常规矩 13
3.3.1 矩特征的一般表达形式 14
4 利用神经网络进行目标识别 15
4.1 人工神经网络发展概况 15
4.2 神经网络的应用 15
4.3 BP网络 16
4.4 神经网络识别系统的设计 19
4.4.1 概念设计 19
4.4.1.1 应用领域问题的特征分析和抽象 19
4.4.1.2.神经网络系统分析 19
4.4.2 结构设计 19
4.4.2.1 节点级设计 20
4.4.2.2 网络级设计 20
4.4.2.3 训练设计 20
4.4.3 BP网络分类器的设计 21
4.4.3.1 输入层的设计 21
4.4.3.2 隐含层的数目 21
4.4.3.3 隐含层单元数的选择 21
4.4.3.4 输出层的设计 22
4.4.3.5 初始权值的选取 22
4.5 用BP网络对图像特征进行分类 22
5 结果与展望 26
5.1 结论 26
5.2 进一步的工作 26
致谢 27
参考文献 28
参考文献
[1] Jarrod ，Holling worth等. 数字图像处理[M]. 北京：机械工业出版社, 2001.
[2] 边肇祺,张学工等. 模式识别[M]. 北京： 清华大学出版社,2001.
[3] 焦李成. 神经网络的应用与实现[M]. 西安： 西安电子科技大学出版社，1995.
[4] 闻新, 周露 等. MATLAB神经网络仿真与应用[M]. 北京： 北京科学出版社，2003.
[5] 戴青云,余英林. 一种基于形态小波的在线掌纹的线特征提取方法[J].计算机学报,2003,26(2)
页数 32 字数 18092
摘 要
利用人工神经网络在信息处理方面的优势解决图像识别问题是本文研究的目的和重点。本文围绕图像识别这一个中心课题，研究了目标图像原始数据的获取、预处理、不变性特征的提取方法以及神经网络识别技术。
在图像的预处理部分，先对获取的图像进行平滑、去噪，随后对其进行边缘检测、增强，最后，由于获取的图像目标和摄像机位置关系的不同，可能出现平移、尺度变化、扭曲、旋转等不同的变化，将图像进行归一化处理，使其成为对平移、尺度变化、扭曲具有不变性的规格化图像。
在神经网络分类识别方面，简单介绍了神经网的算法原理和一种神经网络模型-前馈网络(BP),从而提出一种神经网络的图像识别方法,并用BP神经网络方法进行目标识别，并对神经网络识别系统进行了设计.
关键词： 图像识别，特征提取，模式识别，神经网络
目 次
摘 要 I
ABSTRACT II
1 概述 1
1.1 课题的目的及意义 1
1.2 模式识别概述 2
1.2.1 基本概念 2
1.2.2 模式识别系统 2
1.2.2.1 数据获取 2
1.2.2.2 预处理 3
1.2.2.3 特征提取和选择 3
1.2.2.4 分类决策 3
1.2.3 模式识别的主要方法 3
1.3 图像、图像处理与图像识别 5
1.4 目标识别技术的发展与现状 6
1.5 本文的工作 7
2 图像的预处理与分割 9
2.1 图像的预处理 9
2.2 图像的分割 9
3 目标图像的不变性特征提取 11
3.1 特征与特征提取的基本概念 11
3.1.1 特征的分类 11
3.1.2 特征的三要素 11
3.1.3 目标图像识别的特殊性 11
3.1.4 特征提取 12
3.2 目标识别系统 13
3.3 常规矩 13
3.3.1 矩特征的一般表达形式 14
4 利用神经网络进行目标识别 15
4.1 人工神经网络发展概况 15
4.2 神经网络的应用 15
4.3 BP网络 16
4.4 神经网络识别系统的设计 19
4.4.1 概念设计 19
4.4.1.1 应用领域问题的特征分析和抽象 19
4.4.1.2.神经网络系统分析 19
4.4.2 结构设计 19
4.4.2.1 节点级设计 20
4.4.2.2 网络级设计 20
4.4.2.3 训练设计 20
4.4.3 BP网络分类器的设计 21
4.4.3.1 输入层的设计 21
4.4.3.2 隐含层的数目 21
4.4.3.3 隐含层单元数的选择 21
4.4.3.4 输出层的设计 22
4.4.3.5 初始权值的选取 22
4.5 用BP网络对图像特征进行分类 22
5 结果与展望 26
5.1 结论 26
5.2 进一步的工作 26
致谢 27
参考文献 28
参考文献
[1] Jarrod ，Holling worth等. 数字图像处理[M]. 北京：机械工业出版社, 2001.
[2] 边肇祺,张学工等. 模式识别[M]. 北京： 清华大学出版社,2001.
[3] 焦李成. 神经网络的应用与实现[M]. 西安： 西安电子科技大学出版社，1995.
[4] 闻新, 周露 等. MATLAB神经网络仿真与应用[M]. 北京： 北京科学出版社，2003.
[5] 戴青云,余英林. 一种基于形态小波的在线掌纹的线特征提取方法[J].计算机学报,2003,26(2)
