基于神经网络的图像识别方法研究

合集下载
  1. 1、下载文档前请自行甄别文档内容的完整性,平台不提供额外的编辑、内容补充、找答案等附加服务。
  2. 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
  3. 3、如文档侵犯您的权益,请联系客服反馈,我们会尽快为您处理(人工客服工作时间:9:00-18:30)。
3.1人工神经网络基本概念
人工神经网络(ANN)是在现代神经生物学研究基础上提出的模拟生物过程以反映人脑某些特性的计算结构。
3.2人工神经网络的结构
(1)前馈型神经网络(2)反馈型网络
3.3人工神经网络的学习规则
(1)误差纠正学习(2)Hebb学习(3)竞争学习
3.4人工神经网络的特点及应用
其主要特点如下:
[2]丛爽.神经网络理论与应用[M].合肥:中国科学技术大学出版社,2009.
[3]飞思科技产品研发中心.神经网络理论与MATLAB2007实现[M].北京:电子工业出版社,2007.
[4]高隽.人工神经网络原理及仿真实例[M].北京:机械工业出版社,2005.
[5]陈超.MATLAB应用实例精讲[M].北京:电子工业出版社,2011.
2图像识别简介
图像在人类的感知中扮演着非常重要的角色,人类随时随处都要接触图像。据统计,在人类接受的信息中,视觉信息占了70%以上,也就是常说的“百闻不如一见”。在许多场合,图像所传递的信息比其他任何形式的信息更加丰富和真切。随着数字图像技术的发展和实际应用的需要,出现了另一类问题,就是不要求其结果输出是一幅完整的图像,而是将经过图像处理后的图像,再经过分割和描述提取有效的特征,进而加以判决分类,这就是近20年来发展起来的一门新兴技术科学一图像识别。它以研究某些对象或过程的分类与描述为主要内容,以研制能够自动处理某些信息的机器视觉系统,代替传统的人工完成分类和辨识的任务为目的。例如要从遥感图像中分割出各种农作物、森林资源和矿产资源等;根据医学图片分析发生病变的细胞形状和颜色判断是否发生癌变;从气象观测数据或气象卫星照片准确预报天气;交通管理系统中应用车牌自动识别技术管理车辆等。因此,在当今社会,图像识别技术已经在各个领域发挥着极其重要的作用。
忻州师范学院
计算机系本科毕业(初稿)论文
课题名称
基于神经网络的图像识别方法研究
专 业
计 算 机 科 学 与 技 术
姓 名
杨 旭 东
学 号
2 0 1 1 0 8 1 1 2 0 1 3
指导教师
曹 建 芳
二零一三年五月Fra Baidu bibliotek
基于神经网络的图像识别方法研究
摘要:图像识别是近20年来发展起来的一门新兴技术科学,它以研究某些对象或过程(统称图像)的分类与描述为主要内容,应用范围非常广泛。但是传统的图像识别技术,多是基于统计图像识别方法和句法图像识别方法等大规模计算的基础之上的,在运算量和正确识别率之间存在着突出的矛盾。近年来人工神经网络技术的发展为解决这一问题提供了新的途径。神经网络图像识别技术是随着当代计算机技术、图像处理、人工智能、模式识别理论等发展起来的一种新兴图像识别技术,是在传统的图像识别方法的基础上融合神经网络算法的一种图像识别方法。
2.1图像识别系统
图像识别就是要把一种研究对象,根据其某些特征进行识别并分类。例如要识别写在卡片上的数字,判断它是0,l,2,…,9中的哪个数字,就是将数字图像分成10类的问题,因此可以认为,对数字图像进行区别分类其实质就是对图像进行模式识别。这种识别早已存在人们的生活实践中。然而,随着实践活动的扩大、深入和社会化的需要,人们不仅需要识别分类数很多的事物,而且被识别的对象内容也越来越复杂。特别是由于科学技术水平的提高,使得各种不同的研究对象“图像化”或“数字化”,可采用某种技术把考察的对象转换成图片、波形图以及若干数据,这些数据就可以代表所研究的对象。但是对于模式识别来说,无论是数据、信号还是平面图像或立体景物都是除掉它们的物理内容而找出它们的共性,把具有同一共性的归为一类,而具有另一种共性者归为另一类。图像模式识别的目的就是研制采用某种仪器或设备,自动处理某些信息,代替人完成分类和辨识的任务,并且能够快速而准确地进行图形识别。一般来说,一个图像识别系统由以下几个部分组成。
(2)充分发挥两种技术各自的优势是一个有效方法。
(3)希望在理论上寻找新的突破,建立新的专用/通用模型和算法。
(4)进一步对生物神经系统进行研究,不断地丰富对人脑的认识。
1.2 本人主要工作
介绍了图像识别技术的基本原理和相应的处理技术,对目前常用的图像识别方法进行了分析、讨论和比较。神经网络的基本原理、网络结构及网络的学习方式,研究了神经网络用于图像识别的原理及优点,图像识别中常用的前馈神经网络及其采用的BP算法,并将具有全局优化功能的遗传算法与前馈神经网络相结合,提出了一种遗传与BP相结合的图像识别方法,并给出了仿真实验。
关键词:神经网络;图像识别;BP算法;
Abstract:The Image recognition si developing in the last 20 years, which has been becoming the main contest of the classification and description for some objects or process (regarding as the Image),so the image recognition has many extensive researches. However the traditional image recognition technique is mostly based on the foundation of large-scale calculating ,such as the image recognition of statistics and the Sentence construction,but there are too much contradiction between the amount of calculation and the accuracy of recognition.In recently, the new solution for this problem has been researched following the developing of the neural network. The technology of image recognition based on Neural Network is a kind of new-style image recognition technology, which is the theory of present computer technology、image processing、artificial intelligence and pattern recognition.It is a method of the image recognition with the algorithm of the Neural Network based on the traditional image recognition.
[6]王鸿斌,胡志军.人工神经网络理论及其应用[J].山西电子技术,2006,(2):41-43.
[7]蔡自兴.人工智能及其应用[M].北京:清华大学出版社,2005.
[8]杨国为,王守觉,闫庆旭.分式线性神经网络及其非线性逼近能力研究[J].计算机学报.2007,30(2):78-82.
[9]李秋生,张策,刘振华.基于神经网络和遗传算法的智能PID参数最优整定方法[J].计算测量与控制.2007,15(5):610-612.
致谢
过几个月的努力,查找资料、深入分析,此次毕业论文终于圆满完成。虽然自己查阅了大量资料、还进行了深入分析,做了许多相关的工作,但没有导师的悉心指导和其他老师同学的大力帮助,我也是无法完成此次毕业设计的,特在此向在我完成此次毕业论文过程中给了我许多鼓励和帮助的老师同学一并致谢。
参考文献
[1]傅荟璇,赵虹.MATLAB神经网络应用设计[M].北京:机械工业出版社,2010.
1.2
1.2.1神经网络的发展
(1)20世纪50年代-20世纪60年代:第二次研究高潮
(2)20世纪60年代-20世纪70年代:低潮时期
(3)20世纪80年代-90年代:第二次研究高潮
1.2.2神经网络的现状
(1)开发现有模型的应用,并在应用中根据实际运行情况对模型、算法加以改造,以提高网络的训练速度和运行的准确度。
1.1人工神经网络研究背景及现状
(1)通过揭示物理平面与认知平面之间的映射,了解它们相互联系和相互作用的机理,从而揭示思维的本质,探索智能的本源。(2)争取构造出尽可能与人脑具有相似功能的计算机,即神经网络计算机。(3)研究仿照脑神经系统的人工神经网络,将在模式识别、组合优化和决策判断等方面取得传统计算机所难以达到的效果。
[12] 闻新、周露、王丹力、熊晓英.《MATLAB神经网络应用设计.科学出版社》,2001.5:10-50
经过多次实验,在规定的误差范围内,每~个神经网络经过训练后的识别率均可以达到90%以上的识别率,而且网络训练时间也是可以接受。
结论
本论文提出了使用基于神经网络的图像识别算法,同时对图像处理中的重要步骤也根据神经网络的特点进行了相应的改进。
通过设计的系统运行及实例,可以清楚地看到,通过我们的方法所建立的基于神经网络的图像识别系统能够有效的识别图像,对现实生活有重要的意义。.
Key words:Neural network;Image recogniton;BP algorithm;
1引言
图像识别是近20年来发展起来的一门新兴技术科学,它以研究图像对象或过程的分类与描述为主要内容,其目的是研制能够自动处理图像信息的机器视觉系统,代替传统的人工完成分类和辨识的任务。
图像识别所研究的领域十分广泛,可以是机械加工中零部件的识别、分类;可以是从遥感图片中分辨农作物、森林、湖泊和军事设施;可以是气象观测数据或气象卫星照片准确预报天气;邮政系统中自动分拣信函;可以识别违章行驶的汽车牌照以及机场上空的空中交通管理等。随着计算机技术和数字图像处理技术的发展,对通过机器视觉设备所获得的图像进行识别和分类已成为当前的迫切需要。
[10]E.R.Mccurley.K.P Miller,R.Shonkuiler.Classificationpower of multilayer artificial neuralnetworks[M].In:
[11] 巨军让,卓戎.《BP神经网络在Matlab中的方便实现》.新疆石油学院学报.2008.2(1)
图像识别是一个典型的模式识别问题,分为特征提取和识别两个过程。
4.1 BP神经网络
(1)网络概述(2)双隐层BP网络(3) BP网络存在缺点及改进
5神经网络在图像识别中的应用
近年来,随着国民经济的蓬勃发展,高速公路、高等级公路及大型停车场越来越多,汽车的数量也在猛增,这就给交通管理提出了更高的要求。因此,汽车牌照的自动识别技术在公共安全及交通管理中具有特别重要的实际应用意义。
第一,它具有自组织和自学习的能力,第二,神经网络具有推广能力,第三,网络是非线性的,第四,神经网络是高度并行的,即其大量的相似或独立的运算都可以同时进行。
目前人工神经网络主要应用在如下一些主要的领域:
(1)模式识别和图像处理(2)控制和优化(3)预报和智能信息管理(4)通讯(5)空间科学
4基于BP神经网络的图像识别
2.2图像识别中的预处理和特征提取
(1)图像的灰度转换(2)图像的平滑(3)图像的分割(4)图像的特征提取
2.3基于图像的模式识别方法
(1)统计模式识别(2)模糊模式识别(3)人工神经网络模式识别
3人工神经网络
人工神经网络(Artificial Neural Network,ANN)是由大量的简单处理单元经互连形成的一种网络系统。它是对人脑系统的简化、抽象和模拟,具有人脑功能的许多基本特征。
5.1系统构成图及系统开发环境
6 仿真实验
实验的车辆数据来源于公用数据库。该数据库共有100个训练样本,训练数据是应用照相机固定在的水平高度移动照相机,从不同的角度拍摄车辆的侧面图像,最后锝到分辨率为128x 128像素,通过采用分级图像处理系统对车辆数据进行图像预处理、车牌定位、字符分割、字符识别等。
相关文档
最新文档