基于人工神經(jīng)網(wǎng)絡(luò)的圖像識別.doc

《基于人工神經(jīng)網(wǎng)絡(luò)的圖像識別.doc》由會員上傳分享，免費在線閱讀，更多相關(guān)內(nèi)容在學(xué)術(shù)論文-天天文庫。

1、本文首先分析了圖像識別技術(shù)以及bp神經(jīng)網(wǎng)絡(luò)算法，然后詳細地闡述了人工神經(jīng)網(wǎng)絡(luò)圖像識別技術(shù)。　　【關(guān)鍵詞】人工神經(jīng)網(wǎng)絡(luò)bp神經(jīng)網(wǎng)絡(luò)圖像識別識別技術(shù)　　通常而言，所謂圖像處理與識別，便是對實際圖像進行轉(zhuǎn)換與變換，進而達到識別的目的。圖像往往具有相當龐大的信息量，在進行處理圖像的時候要進行降維、數(shù)字化、濾波等程序，以往人們進行圖像識別時采用投影法、不變矩法等方法，隨著計算機技術(shù)的飛速發(fā)展，人工神經(jīng)網(wǎng)絡(luò)的圖像識別技術(shù)將逐漸取代傳統(tǒng)的圖像識別方法，獲得愈來愈廣泛的應(yīng)用?！　?人工神經(jīng)網(wǎng)絡(luò)圖像識別技術(shù)概述　　近年來，人工智能理論方面相關(guān)的理論越來越豐富，基于人工神經(jīng)網(wǎng)絡(luò)

2、的圖像識別技術(shù)也獲得了非常廣泛的應(yīng)用，將圖像識別技術(shù)與人工神經(jīng)網(wǎng)絡(luò)技術(shù)結(jié)合起來的優(yōu)點是非常顯著的，比如說：　?。?）由于神經(jīng)網(wǎng)絡(luò)具有自學(xué)習(xí)功能，可以使得系統(tǒng)能夠適應(yīng)識別圖像信息的不確定性以及識別環(huán)境的不斷變化?！　。?）在一般情況下，神經(jīng)網(wǎng)絡(luò)的信息都是存儲在網(wǎng)絡(luò)的連接結(jié)構(gòu)以及連接權(quán)值之上，從而使圖像信息表示是統(tǒng)一的形式，如此便使得知識庫的建立與管理變得簡便起來?！　。?）由于神經(jīng)網(wǎng)絡(luò)所具有的并行處理機制，在處理圖像時可以達到比較快的速度，如此便可以使圖像識別的實時處理要求得以滿足?！　。?）由于神經(jīng)網(wǎng)絡(luò)可增加圖像信息處理的容錯性，識別系統(tǒng)在圖像遭到干擾的時候

3、仍然能正常工作，輸出較準確的信息。　　2圖像識別技術(shù)探析　　2.1簡介　　廣義來講，圖像技術(shù)是各種與圖像有關(guān)的技術(shù)的總稱。根據(jù)研究方法以及抽象程度的不同可以將圖像技術(shù)分為三個層次，分為：圖像處理、圖像分析以及圖像理解，該技術(shù)與計算機視覺、模式識別以及計算機圖形學(xué)等學(xué)科互相交叉，與生物學(xué)、數(shù)學(xué)、物理學(xué)、電子學(xué)計算機科學(xué)等學(xué)科互相借鑒。此外，隨著計算機技術(shù)的發(fā)展，對圖像技術(shù)的進一步研究離不開神經(jīng)網(wǎng)絡(luò)、人工智能等理論?！　?.2圖像處理、圖像識別與圖像理解的關(guān)系　　圖像處理包括圖像壓縮、圖像編碼以及圖像分割等等，對圖像進行處理的目的是判斷圖像里是否具有所需的信息并

4、濾出噪聲，并對這些信息進行確定。常用方法有灰度，二值化，銳化，去噪等；圖像識別則是將經(jīng)過處理的圖像予以匹配，并且對類別名稱進行確定，圖像識別可以在分割的基礎(chǔ)之上對所需提取的特征進行篩選，然后再對這些特征進行提取，最終根據(jù)測量結(jié)果進行識別；所謂圖像理解，指的是在圖像處理與圖像識別的基礎(chǔ)上，根據(jù)分類作結(jié)構(gòu)句法分析，對圖像進行描述與解釋。所以，圖像理解包括圖像處理、圖像識別和結(jié)構(gòu)分析。就圖像理解部分而言，輸入是圖像，輸出是對圖像的描述解釋?！　?人工神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)和算法　　在上個世紀八十年代，mcclelland與rumelhant提出了一種人工神經(jīng)網(wǎng)絡(luò)，截止現(xiàn)在，

5、bp神經(jīng)網(wǎng)絡(luò)已經(jīng)發(fā)展成為應(yīng)用最為廣泛的神經(jīng)網(wǎng)絡(luò)之一，它是一種多層前饋神經(jīng)網(wǎng)絡(luò)，包括輸入層、輸出層和輸入層輸出層之間隱藏層，如圖1所示，便是一種典型的bp神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)?！　p神經(jīng)網(wǎng)絡(luò)是通過不斷迭代更新權(quán)值使實際輸入與輸出關(guān)系達到期望，由輸出向輸入層反向計算誤差，從而通過梯度下降方法不斷修正各層權(quán)值的網(wǎng)絡(luò)。　　bp神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)算法如下所述：　?。?）對權(quán)值矩陣，學(xué)習(xí)速率，最大學(xué)習(xí)次數(shù)，閾值等變量和參數(shù)進行初始化設(shè)置；　?。?）在黑色節(jié)點處對樣本進行輸入；　?。?）對輸入樣本，前向計算人工神經(jīng)網(wǎng)絡(luò)隱層及輸出層各層神經(jīng)元的輸出；　?。?）使用梯度下降方法不斷修正各

6、層權(quán)值及閥值，由梯度算子得到的權(quán)值為　?。?）判斷，判斷是否大于最大迭代次數(shù)或者是否誤差已經(jīng)達到要求。如果大于最大迭代次數(shù)或誤差達到要求，那么便直接轉(zhuǎn)到第（7）步，否則，轉(zhuǎn)到第（4）步對各個矩陣的權(quán)值繼續(xù)修正，反復(fù)訓(xùn)練；　?。?）看是否遍歷所有樣本，是則結(jié)束，否則跳回第（3）步繼續(xù)。　　bp神經(jīng)網(wǎng)絡(luò)操作簡單而有效，可通過opencv的cvann_mlp類，matlab的模式識別工具箱nprtool等實現(xiàn)，經(jīng)驗得出在如下情況中人工神經(jīng)網(wǎng)絡(luò)尤為適用：　?。?）大量數(shù)據(jù)可用，卻不知道與輸出之間關(guān)系；　　（2）問題的解決方案隨時間變化而變化；　　（3）輸出是模糊的函

7、數(shù)關(guān)系，而非精確數(shù)字?！　?人工神經(jīng)網(wǎng)絡(luò)圖像識別　　傳感器或攝像儀輸入圖像識別系統(tǒng)以后，其目標圖像不能夠與系統(tǒng)全部的參考圖像完全一樣，這是由于對應(yīng)噪聲干擾，光線不足和放縮旋轉(zhuǎn)等問題。基于人工神經(jīng)網(wǎng)絡(luò)對畸變圖像識別進行深層分析，并且利用ccd攝像頭對圖像信息進行采集，在此過程之中通過對攝像頭方位進行更改對易出現(xiàn)畸變的圖像進行采集，從而使得畸變圖像所帶信息組成樣本庫。在電腦里面輸入樣本庫中的圖像信息，并且進行模數(shù)的轉(zhuǎn)化，變成數(shù)字圖像，利用數(shù)字濾波來對數(shù)字圖像信息進行處理。在神經(jīng)網(wǎng)絡(luò)之中輸入樣本圖像數(shù)字信息來進行訓(xùn)練，一方面可以基于數(shù)字圖像的像素點集合組成輸入矩陣

8、，用高維數(shù)據(jù)作為訓(xùn)練樣本，通過主成分分析（pca）的