基于人工神经网络的图像识别和分类

学位论文作者签名： 学位论文作者导师签名：
年
Байду номын сангаас
月
第 1 章 绪论
第1章
1.1 课题的研究背景和意义
绪论
21 世纪是一个充满信息的时代，图像作为人类感知世界的视觉基础，是信息 传输的主要载体。正是因为图像带给人们的相关信息，使得图像识别技术随着计 算机技术、多媒体技术的飞速发展取得了长足的进步。 自 80 年代开始，国际学术界开始了关于神经网络理论与技术的研究热潮，一 些著名学者断言，神经网络技术应用将成为 21 世纪的核心技术。目前，神经网络 已经成为图像识别的一个重要的研究方向，无论是在国外还是国内，其研究者和 热心的支持者已越来越多，研究也越来越深入，学术论文的发表数以千计，应用 成果迭出。例如：利用气象卫星的云图图像预测天气，智能交通系统中的车牌识 别、遥感图像分析、医疗病变图像的计算机诊断等这些都属于图像识别系统的应 用范畴。所以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 所获得的图像识别和分类已成为当前的迫切需要。 传统的图像识别技术[1]，很多是基于大规模计算的基础之上的，在运算量和运 算精度之间存在着不可调和的矛盾。因人工神经网络技术其分布式信息存储和大 规模自适应并行处理满足了对大数据量目标图像的实时处理要求，其高容错性又 允许大量目标图像出现背景模糊和局部残缺。相对于其他方法而言，利用神经网 络来解决图像识别问题有 3 个优点：1）神经网络对问题的先验知识要求较少；2） 可以实现对特征空间较为复杂的划分；3）适用于高速并行处理系统来实现。图像 识别理论的发展与计算机科学的发展是分不开的，人们在研究中发现计算机科学 随着超大规模集成电路(VLSI)技术日新月异的发展，虽然取得了惊人的成就，但 要它直接感知声音、文字、图像等外界信息仍然十分困难。因此，需要以人工智 能、神经网络为核心开辟新的研究领域来解决这一难题，开展神经网络图像识别 理论的研究就显得尤为重要。
Introduction of the author： Bu Fuqing， male， was born in November 1979， whose tutor was Professor Guo Ke and Wang Maozhi. He graduated from Chengdu University of Technology in computational mathematics major and was granted the Master Degree in June，2010.
Abstract
The final goal of digital image processing is to know an image and target the part that people are interested in by the computer, and this is the main function of computer matrix recognition. The matrix recognition technology is to simulate human's competence of recognition which mainly covers visual and audial competence. The image matrix recognition is to build direct communication between the computer and the outside world in recognizing and processing information like words, images, pictures, and scenes. The image recognition consists of three steps: data recognition, data processing, and data classification. The four ways of image recognition are statistical matrix recognition, structural matrix recognition, hazy image recognition and intelligent matrix recognition. As a generalized mode of intelligent matrix recognition, the artificial neural networks which has become popular since the 1980s had the feature of parallelism, distributional memory, good fault tolerance, auto-adaptation, associative memory, and good non-linear processing, has achieved many achievements that could not be reached by many other conventional ways in the domain of matrix recognition. And the image recognition technology of the neural network is a newly developed image recognition technology together with the modern computer technology, the image processing, the artificial intelligence, and the matrix recognition theory. It is a new way of image recognition which combines the neural network algorithm and the traditional matrix recognition. This paper first introduced several commonly-used ways of image recognition based on neural network; then it proposed the adoption of the BP network and the radial basis function to be the image recognition models of neural network. This paper mainly covers the following four aspects: 1. briefly introduced the primary principles of image preprocessing technology and image recognition; 2. introduced several popular neural network models and matrix recognition methods; 3. conducted a systematic analysis of the structure of BP neural network and the BP algorithm on the basis of which proposed the application of BP neural network in image recognition; 4. finished the recognition and the classification of remote-sensing images by using neural
成都理工大学 硕士学位论文 基于人工神经网络的图像识别和分类 姓名：卜富清 申请学位级别：硕士 专业：计算数学 指导教师：郭科;王茂芝 20100501
摘
要
基于人工神经网络的图像识别和分类
作者简介：卜富清，男，１９７９ 年 １１ 月生，师从成都理工大学郭科教授和王 茂芝副教授，２０１０ 年 ０７ 月毕业于成都理工大学计算数学专业，获得理学硕士学 位。
III
成都理工大学硕士学位论文 network models of the radial basis function (RBF), and contrasted this method with other ones. The paper finally indicated the actual application of the image recognition in real life: the recognition and classification of a medical image based on the digital recognition method of BP neural network as well as the neural network model of RBF. The result of the test proved that the image recognition and classification method based on artificial neural network the writer proposed here has much value in practical application. At last, the writer summarized his research work and further analysed this image recognition technology as well as its future development. Key words: Image matrix recognition network BP neural network
摘要
数字图像处理的最终目的是用计算机代替人去认识图像和找出一副图像中人 们感兴趣的目标，这是计算机模式识别的主要内容。模式识别技术是用机器来模 拟人的各种识别能力，当前主要是模拟人的视觉和听觉能力。图像模式识别是用 机器对文字、图像、图片和景物等模式信息加以处理和识别，用以解决计算机与 外部环境直接通信这一重要问题。 图像识别由三个环节构成，分别是数据获取、数据处理、判别分类。解决图 像识别的方法概括起来可分为统计模式识别、结构模式识别、模糊图像识别与智 能模式识别。20 世纪 80 年代新兴的人工神经网络，作为一种广义的智能模式识别 法，具有高度的并行性、分布式存储、良好的容错性、自适应性和联想记忆功能、 高度的非线性处理等能力，在模式识别领域中取得了许多传统方法所难达到的成 就。而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。 本文介绍了目前常用的几种基于神经网络的图像识别方法，根据图像识别的 特点，提出了利用 BP 网络、径向基函数两种神经网络图像识别模型，分别给出了 两种模型的学习算法和具体应用技术。主要工作包括以下几个方面： 1、简要介绍了图像预处理技术及图像识别的基本原理。 2、介绍几种常见的神经网络模型和模式识别方法； 3、对 BP 神经网络的结构及 BP 算法做了系统的分析研究，在此基础之上，提 出了 BP 神经网络在图像识别中的应用； 4、利用径向基（RBF）函数神经网络模型最后对医学图像进行识别和分类， 并和其他方法进行对比。 论文给出了图像识别在实际问题中的具体应用：基于 BP 神经网络的数字识别 方法以及利用径向基（RBF）函数神经网络模型对几幅医学图像进行识别与分类。
学位论文作者签名： 年 月 日
学位论文版权使用授权书
本学位论文作者完全了解
成都理工大学 有关保留、 使用学位论文的规定，
有权保留并向国家有关部门或机构送交论文的复印件和磁盘， 允许论文被查阅和 借阅。本人授权 成都理工大学 可以将学位论文的全部或部分内容编入有关数
据库进行检索，可以采用影印、缩印或扫描等复制手段保存、汇编学位论文。 （保密的学位论文在解密后适用本授权书）
Radial basis function neural
IV
独创性声明
本人声明所呈交的学位论文是本人在导师指导下进行的研究工作及取得的 研究成果。据我所知，除了文中特别加以标注和致谢的地方外，论文中不包含其 他人已经发表或撰写过的研究成果， 也不包含为获得 成都理工大学 或其他教
育机构的学位或证书而使用过的材料。 与我一同工作的同志对本研究所做的任何 贡献均已在论文中作了明确的说明并表示谢意。
I
成都理工大学硕士学位论文
测试结果表明了本文所提出的基于人工神经网络的图像识别与分类方法具有较强 的实际应用价值，并对研究工作进行总结，对这种图像识别技术进行了深入分析 和展望。 关键词： 图像模式识别 BP 神经网络 径向基函数神经网络
II
Abstract
Image Recognition and Classification Based on Artificial Neural Networks