神经网络理论在式识别中的研究与应用.pdfVIP

盟世燮型型坠塑坠 塑翌 摘 要 L人工神经网络是当前发展极为迅速的一门边缘学科，由于它具有强的容错能力，鲁棒 性和自适应性，从而决定了它在不确定性模式识别中具有重要的应用价值。)本文系统地研 究了神经网络的基本理论，并以两种典型的神经网络：BP前馈神经网络模型汞lKohonen自 组织神经网络模型为基础，对遥感图像分类问题、文字倾斜的白动矫正问题和纹理图像的 分类问题进行了研究。 BP网络模型是一种典型的前馈网络，采月j多层感知机模J心，其分类能力和模式识别能 力一般都强于其它网络，是目前研究最多的网络形式之一。它是在普通的单层感知机模型 无法解决非线性可分的问题(例如，著名的“异或”逻辑问题)上．通过加入若干中间层 (隐含层)而引入的。本文深入分析了多层神经网络的理论，详细推导了它的BP学习规 则。提出了用一种新的层次神经网络模型解决遥感图像分类中最困难的问题之一，波谱混 迭问题(即“同谱异构”问题)，其中第一级神经网络主要用于波谱非混迭像元的分类，第 二级和后续层次的神经网络则川于波谱混迭像元的分离。我们_L|=I这种模型对葡萄牙里斯本 地区TM图像的地面实况数据进行了分类实验，得到了高度精确的实验结果。 Kohonen网络摸犁是根据人腑的白绸织特征映射能力捉山的，具有良好的j彳i扑特征保 持特性和自组织学习能力。本文仔细研究了Kohonen网络的自组织过程、自组织的数学分 析、白纽织特征：o习算法jlI Kohonen网络的拓扑结构，外钊论，它的推J。模型：将输出节 点阵列由二维平面模型推广到封闭的多维超曲面模)¨。常规的文字倾斜角自动测量方法， 是通过对逐皮旋转的文字幽像作灰度投影，检测出某一特征{．＆J仪极值时的旋转角度，这种 方法存在旋转角度步长的苗化问题。我们利用Kohonen模§o的自组织特性，提出了一种用 二级Kohonen网络对文字进行聚类处理，通过对这些聚类中心的曲线拟合计算，直接提取 出文字倾斜角度的新方法。实验结果表明，用这种方法计算出来的拟合直线斜率体现了文 字的倾斜角度，可以用于倾斜文字的自动矫正。 模式识别的图像分类问题中，除了分类器设计外，还包括特征提取问题。没有典型的 模式特征，神经网络就无法有效地进行分类处理。冈此扫：讨论纹理图像分类时，本文就纹 理特征的提取问题，详细讨论了分形理论。我们认为，分形理沦是一种度量纹理的有效手 段。由于Hausdorff维数的局限性，我们进一步讨论了多重分形理论雨l广义维数谱的概念。 最后，我们提出用图像的分数维、广义维数谱和空隙特征等作为图像的纹理特征，结合BP 神经网络分类器，进行纹理图像分类的方法。采川这种方法，我们分别对～组Brodatz图 像、一幅灰度自然图像、一幅彩色自然幽像和一f蚵彩色航空照片进行了纹理分类实验，都 取得了1F常灯的分类结果。 本文的部分工作是安徽省“九五”重点科技攻荚项口“安徽省资源环境遥感动态服务 体系”的组成部分之一。 II 盟型燮墼塑塑型堕—— 塑墼 Abstract Artificialneuralnelwol aborderline been ks，as subject，have quicklvno、玑Thev developed areof and fault’tolerant，robust makethem for adaptive，which the velYapplicableindefinite ofneural pattern Here，tire