基于人工神经网络下图像识别研究.docVIP

基于人工神经网络下图像识别研究 　　摘 要：主要利用人工神经网络的理论知识研究在图像识别中的应用为目的，研究图像识别中图像分割的技术，同时详细分析了多层前馈神经网络的描述及 BP算法工作过程。介绍隐层的选择及隐层神经元数选择的一些经验方法。针对BP算法存在的问题，提出加可变动量因子的 BP 算法，通过对网络训练过程参数调整以及增加可变动量因子等方面进行优化改进，实验证明加快了训练速度，改善了BP网络的学习效果。?? 　　关键词：人工神经网络；BP神经网络；图像分割?? 　　中图分类号：TP183文献标识码：A 　　文章编号：1004-373X(2008)08-127-04?オ? 　　 　　Research on Image Recognition Based on Artificial Neural Network?? 　　LEI Jianfeng,SUN Junyi?? 　　(School of Computer,Hubei University of Technology,Wuhan,430068,China)?オ? 　　Abstract：By using the knowledge of artificial neural network,the application and image segmentation im image recognition are researched,the multilayer feedforward neural network and process of BP algorithm are analysed in a detail.Sorne methods of hidden tier and hidden tier neuron chosen are introduced.Aiming at Problems of BP,variable factor BP algorithm is proposed.By adjusting network training process parameter and optimizing variable factor,the experiment proves that training speed is incteased,study effect of BP network is improved.?? 　　Keywords：artificial neural network;BP neural network;image segmentation 　　 　　1 前 言?? 　　如今在图像识别的发展中，出现了几类有代表性的理论和方法：?? 　　(1) 匹配的图像识别方法；?? 　　(2) 句法图像识别方法；?? 　　(3) 模糊图像识别方法；?? 　　(4) 神经网络图像识别方法。?? 　　本文主要讲述神经网络在图像识别中的应用与研究。由于人工神经网络具有信息分布式存储、大规模自适应并行处理、高度的容错性等优点[1,2]，特别是其学习能力和容错性对处理图像识别问题具有独到之处。神经网络目标识别，一般需要两个过程：训练过程和实际识别过程。在训练过程通过有指导或无指导学习方式对大量有代表性样本学习，把通过学习得到的经验存储在网络结构中，学习完毕即找到一组合适的网络连接权值。在识别过程中当把未知模式输入到网络中时能根据学习到的知识对未知模式进行判断。对于网络识别结果是否为目标或为何种目标，常用0，1组合的形式表示。当然有时也采用最大或最小准则，即当神经网络输出层中输出最大(或最小)的节点对应的图像属性为输入图像的属性。常用于识别的神经网络有 BP神经网络与 Kohonen 神经网络，本文以BP神经网络为研究对象。人工神经网络进行目标识别的优势在于通过对有代表性的样本进行学习，能识别带有噪声或形变的输入模式，能把识别处理和若干预处理融合成一体进行，此外经过学习后的神经网络具有较高的容错性、推理能力和鲁棒性。图1给出了神经网络应用于图像识别的一般模型。?? 　　 　　 　　图1 神经网络目标识别框图 　　 　　2 图像识别技术?? 　　2.1 简介?? 　　图像技术在广义上是各种与图像有关的技术总称，目前人们主要研究的是数字图像，应用的是计算机图像技术。图像技术的内容非常丰富，根据抽象程度和研究方法等的不同可分为3个层次：图像处理、图像分析、图像理解。他是一门系统地研究各种图像理论、技术和应用的交叉学科，他与数学、物理学、生物学、电子学计算机科学等许多学科互相借鉴，他与模式识别、计算机视觉、计算机图形学等多个学科互相交叉。另外图像技术的研究与人工智能、神经网络、遗传算法、模糊逻辑等理论进一步