神经网络图像识别技术探究及企业应用.doc

神经网络图像识别技术探究及企业应用 　　摘要：图像识别技术在曾经的年代里，很多是基于庞大的计算规模的基础之上的，不可调和的矛盾普遍存在于运算量和运算精度之间。近年来为解决这一问题提供了新的途径，那就是人工神经网络技术。分布式的新型信息储存时间和大规模的应对范围，对目标图像实时处理提出了更高的要求。在容错率需维持较高水平的前提下，背景残缺和局部不清晰的情况层出不穷。企业级应用集成是基于企业内外部的总分式流程，并且将系统硬件软件结合起来，创造出了无缝集成技术。企业应用集成可以另系统像一个统一完全体一样，同时进行业务和信息的处理工作 关键词：神经网络 图像识别 企业应用 中图分类号：TP183 文献标识码：A 文章编号：1007-9416（2016）10-0124-01 1 神经网络的发展、应用及其特点 现代计算机的应用前提下，计算和信息处理能力均较高，但感知能力和?驮踊肪持械呐卸夏芰?均不如人类，并且短期内难以实施。特别是，缺乏在特定环境的学习和适应能力，只能按照一定的程序进行分解及工作、执行。本世纪初，人们对于人类大脑的工作方式已经有了一定程度的了解，有着非常大的规模的基本单元，被称为神经元，这些经过高度复杂的统一结合，形成复杂的、非线性、平行处理的信息综合处理系统，这和当代的计算机处理方式是完全不同的。单个的神经元的反应速度比起类似计算机的基本单元逻辑反应时间，是毫秒级别的 1.1 图像识别及分类技术概况 随着计算机技术和数字图像处理技术的发展，为了满足当前迫切需要，通过对机器视觉设备所获得的图像识别和分类，己成为当前的迫切需要。研制机器的视觉系统是图像识别的最终目的。因此，他们自行区别分类是可能的。通过一些手段使各类图像的重要显性数据通过一定的数值来表示出来，除了对图像进行数据化处理之外，通常特征范围的提取工作也是必要的。但反应某一类特征时，计算工作的繁杂、内容的庞大，为计算带来了很大压力的同时，产生了不精确的可能，难免有一些误差。所以进一步的工作量需要对特征进行选择与处理，减小特征值的误差而保留图像特征信息，这种找出比原来特征数目少而精的综合指标的方法称之为特征选择 1.2 神经网络应用于图像识别技术的现况 在世界范围内掀起了探索和研究神经网络的热潮，来自发展了的学习算法。目前国内外研究较多的有字符识别技术、车牌识别技术、脸部识别技术、各种纸币识别技术、印章识别技术及对一些军事目标的识别等方面。人工神经网络的发展己渗透到各种研究领域，特别是在模式识别的图像分类技术方面，所取得的应用也日益增多 2 图像识别原理简介 2.1 图像识别系统 图像模式识别系统的三个重要组成部分，有如下三种，第一是图像有关信息的采集和收集，他等同于对被研究对象的深入了解和调查，取得有关数据后，进行整体的加工、修改、归纳、整合，并且进一步提出反应其中特点的一些潜质。最重要的一部分特点是将类似空间的映射量折射到空间中。相当于人类的感性和理性认识的转换，并作出结论的过程。图像识别系统如图1所示 2.2 模糊模式识别法 模糊特征，本质就是根据一定的模糊化规则，经过多重加工后，将图像的一个特征或者一组特征分成多个模糊变量，使每个模糊变量能表达原特征的一部分特性。这些新的模糊特征取代原来的特征进行模式识别，提高了分类器的性能 2.3 人工神经网络模式识别法 图像输入→预处理→特征提取→神经网络识别→识别结果 3 神经网络图像识别系统设计 3.1 网络分类器的设计 新的性能指标函数，通过反复使用，可以在保证网络误差尽可能小的情况下使网络具有较小的权值，使得网络的有效权值尽可能少，这实际上相当于自动缩小了网络的规模 3.2 样本的选择及组织 选择标准且合理的样本，对提高网络的学习速度、使网络具有良好的识别精度都有着举足轻重的作用。本实验中，样本的选择可以遵循以下原则，当网络用于分类属性时，首先选取各类的样本进行训练，在使网络的总体性能不高时，另一方面可以大幅度提高训练程序速度，避免网络陷入瘫痪。如此反复，结果会使网络产生振荡。要使网络对模式的旋转、伸缩等具有不变性，因为网络并不具有不变识别的能力，所以就要选择各种可能情况的样本，这样可以保证网络具有比较高的识别率 4 传统企业应用技术分析 无限制地共享数据和业务处理是企业应用集成（EAI）是指企业内部和企业之间的任何相连的应用之间。公共对象请求代理体系结构（CORBA）、分布式组件对象模型（DCOM）和远程方法调用是传统的系统集成方式。目前用的比较多的集成方式是 Web Services 5 结语 本文首先综述了人工神经网络的发展、应用、特点和神经网络应用于图像识别技术的现况。重点介绍了目前在