2BP神经网络及训练-电测与仪表.doc

基于改进Hough变换和BP网络的指针仪表识别 朱海霞 （）摘要：关键词：指针仪表；字符识别；Hough变换；BP神经网络中图分类号：TP391.41 文献标识码： 文章编号： Pointer instrument recognition based on BP network and improved Hough transform Zhu Haixia (Daqing Oilfield Co Power Group, Daqing, Heilongjiang, 163000) Abstract：isual identification of pointer instrument number has important significance to improve the production efficiency of the electrical, mechanical and automotive industry. In this paper, Hough transformation method was used in recognition of linear feature of pointer, and then Hough transform was improved during the process of dial circular feature identification. The efficiency and precision are improved by reducing the accumulated number of pixels and combining the gray center method. In the character recognition stage, BP neural network is built with a three level structure. Experimental results show that, this method can achieve the expected effect for improving measures of Hough transform, and accurate recognition of characters can be obtained by using BP neural network. Key words： 0 引 言 ，则这个集合中各点的坐标应该满足圆形特征的参数空间方程，如公式(1)所示。 (1) Hough变换的处理就是要对这个边缘信息集合进行累加计算，如公式(2)所示。 (2) 这里，就表示了被空间中各点经过的次数，其中的具体形式如公式(3)所示。 (3) 这里，就是根据圆形特征设定的判定条件，只有满足是圆形特征的时候，才执行加1的操作。 具体在圆形特征检测这个问题时，因为Hough变换 (4) 这里，和 图 Fig.1 BP network structure 从图1中可以看出，一个典型BP神经网络的结构分为三层，分别是输入层、隐含层、输出层，各个层次的连接通过圆形代表的神经元实现。对于一个未知的神经网络而言，输入层各个因素已知，并通过输入层连接到隐含层，输出层各个变量也可以在样本层面上认为已知，并连接到输出层，进而反向和隐含层相连。 如果输入变量共有N个，并可以表示为、、……、，输出变量共有M个，并可以表示为、、……、，中间层的变量共有L个，并可以表示为、、……、。则在图1所示的BP神经网络结构下，最终的输出关系如公式()所示。 (5) BP神经网络的学习算法分为两个环节： 一个环节是从输入层经过隐含层到输出层的正常传递方向，在这个方向上假定各个神经元的权重稳定不变，后一级神经元只受到前一级相连的神经元的影响，即隐含层神经元仅受到输入层神经元影响，输出层神经元仅受到隐含层神经元影响，如果最终的输出结果和预期存在较大的差异，则需要转向第二个环节的处理。 另一个环节是从输出层经过隐含层到输入层的反向传递方向，这个方向上主要是用于输出结果反向回传进而修正偏差。偏差的回传最终用于修正隐含层到输出层的权重、输入层到隐含层的权重。 为了达到更好的网络训练效果，本文在学习算法上进行了一些改进。在正常的双环节BP学习算法的基础上，从底层到上层