基于神经网络的一种曲线识别方法.pdfVIP

维普资讯 。 第 l4誊第 1期 青 岛 大 学 学 报 VOL．14NO．i 1999年3片 JOURNALOFQINGDAOUNIVERSITY Mar．1999 基于神经网络的一种曲线识别方法’ 1 -z】．11、 。 。 I ： 孥糖恕 条 (青 自 摘要 提出了一十新的曲线性识别算法，它利用神经网络的分类辨识特性 ，对边缘点进行分类识别。实 验结果表明：这种方法具有速度快，省空间的优点。 关键词 细化}神经网络；图象识别 {走 -! 中国图书资料分类法分类号 TP39．41 、 第一作者简介 李树忠，男，1962年生，硕士，1993年毕业于吉林工业大学计算机系，研究方向为模式识 别．现在青岛大学从事计算机应用方面的科研及教学工作。 引言 点进行分类识别’从而达到对图纸进行识别的目的a 振鞴 1 基本概念 计算机图像处理及识别是计算机应用技术的一 十重要方面，在 电子工业、人工智能、工业 自动化、生 首先对本文用到的基本术语和概念作一简要介 物医疗工程、卫星遥感等众多邻域中占有饭其重要 绍。并假设黑象素的值为 I，白象素的值为 0 的地位。近年来，计算机图像处理及识别的研究在我 a 连结任意象素 (f，j) 田 国受到了广泛的重视，取得了卓有成效的进展，已经 的象素，若满足下式 逐步走向了实用化的阶段，但效果还不能令人满意。 If— I+ I—tFtI一 1 要对扫描进来的工程图纸进行处理和识别．细 此时的象索 (n，m)被称为 化的过程有的用迭代法．有的用非迭代法，具体方法 象索(，m)的4一邻域(如图 图I 象素的部域结构 有很多种，各有优缺点。如美国的Pavlidis 利用 1)。若满足 LAG提出了一种快速的细化算法，加拿大的Nac— I— nI+ IJ— tFtI一 1 cache和 Singhal提出了一种细化算法，速度快且 或 I— I= IJ—mI—I 效果优于前者，但失去了原图其他拓扑信息。用链码 此时的象素 (，f)被称为象素(U)的8一邻域。 表示细化后的图像是非常方便的，并且它本身对图 b 在 4一邻域或 8一邻域的情况下，当某黑象素 (，j)的4(8)一邻域的象素都为黑象素时，则称象素 像进行了大量的噩缩而不需要任何图像的拓扑信 息 但也正是这一点，用链码表示的图像不利于图像 (f．J)为内部点。否则，在 8一邻域的情况下，若 (f．j) 的8一邻域的象索都为白象素时．则称象素(．j)为 分析 。 孤立点。称除了内部点和孤立点之外的点为边缘点。 霍字翔[等人提出了基于视口的自适应畸，扩 边缘点分左边缘点(它的左邻接点为白点)、右 边的过程其实就是