神经网络及其在图像处理中应用.pdf

摘 要 人工神经网络由于具有并行计算、自组织、自学习的特性和全局逼近能力而 受到人们的广泛关注，并已经被成功地应用r模式识别、图像处理、函数逼近、 白适应控制等方面。BP神经网络是各种神经网络模型中最具代表意义的一种网 络。 本文首先对BP神经网络结构及BP算法进行了综述，尤其对目前BP算法 的改进动态做了系统的分析研究，在此基础上，本文提出了一种直接白适应BP 算法，该算法着重改进了权值的调整方法，和标准BP算法和以学习速率改变为 基础的算法相比，此算法缩短了学习时间，提高了学习效率，有效地避免了BP 算法收敛速度慢、易陷入局部极小等缺陷。 其次，本文将改进的BP算法用于字符图像的识别，取得了良好的效果。为 改善神经网络训练方法对样本的依赖性，本文提出了。种基于神经．模糊推沦系 统进行印刷体字符图像识别的方法，该方法具有识别率高及对噪声不敏感的特 一眭，仿真结果电证明其优于神经网络的识别方法。 再次，本文提出一种基于邻域灰度变化极值和神经网络的图像边缘检测新方 法，浚方法首先基于邻域狄度极值提取边界候选图像，然后以边界候选象素及其 邻域象素的二值模式作为样本集输入对边缘检测神经网络进行训练。为加快网络 的收敛速度，本文提出了滚动训练方法，实