1、中文摘要I本科毕业论文（20 届）基于神经网络的图像识别系统设计所在学院 专业班级 自动化 学生姓名 学号 指导教师 职称 完成日期 年 月 中文摘要II摘 要随着现代社会的发展，信息的形式和数量正在迅猛增长。其中很大一部分是图像，图像可以把事物生动的呈现在我们面前，让我们更直观地接受信息。目前图像识别技术与社会生活息息相关,它是计算机视觉的一个重要分支。但是传统的图像识别，多是基于图像统计识别和图像句法识别等大规模的基础之上，在运算量大小和正确识别率之间有着明显的矛盾。近些年来人工神经网络技术的发展给解决这一问题找到了新的道路。神经网络图像识别是随着当代计算机技术、图像应用处理、人工智能和模
2、式识别理论发展起来的一种新的图像识别技术，是在传统的图像识别方法的基础上融合神经网络的一种图像识别技术。本文利用神经网络对已获得的数字图像进行识别, 主要采用 BP 神经网络。将 BP 神经网络引入图像识别领域 ,并与常规的数字图像处理技术相结合 ,找出一种具有较强准确性的平面图像识别方法。关键词：图像识别,神经网络,BP网络 AbstractIIAbstractWith the development of modern society, the form and quantity of information is growing rapidly. Image can make thing
3、s vividly presented in front of us , and make us accept the information more intuitive .The image recognition technology and social life are closely related, it is an important branch of computer vision. However, the traditional image recognition technology, is based on a large scale on the basis of
4、 the methods of statistical pattern recognition and syntactic pattern recognition methods , there are prominent contradictions in computing the amount and the correct recognition rate .in recent years ,the development of neural network technology provide a new way to solve this problem .The neural n
5、etwork image recognition technology is a new type of image recognition technology, developing with contemporary computer technology, image processing, artificial intelligence, pattern recognition theory ,and an image identification method based on combining on integration of neural network algorithm
6、 with the traditional image recognition method .In this paper, the neural network to identify the digital image, using BP neural network. BP neural network is introduced to the field of image recognition with conventional digital image processing technology, so we are trying our best to find the com
7、bination of flat image recognition method that identify a strong accuracy.Keywords: image recognition, neural network, BP network 目 录III目 录摘 要 .IAbstract.II目 录 .III第一章 绪论 .11.1 课题说明 .11.2 神经网络图像识别的发展现状与应用前景 .11.3 课题内容及本文结构 .3第二章 神经网络理论基础 .42.1 神经网络基本原理 .42.2 神经网络的分类 .52.3 神经网络学习算法 .72.3.1 Hebb 学习规则
8、.82.3.2 Delta 学习规则 .82.3.3 竞争(Competitive)学习规则 .92.4 神经网络的特点及应用 .10第三章 BP 神经网络 .123.1 BP 神经网络基本概述 .123.2 BP 神经网络结构 .123.3 BP 神经网络模式识别 .143.4 BP 神经网络模式识别性能 .17第四章 图像识别系统设计 .184.1 图像识别原理介绍 .184.2 图像预处理 .204.3 图像的分割 .234.4 特征提取 .254.4.1 矩的定义 .254.4.2 不变矩 .26目 录IV4.5 神经网络分类器设计 .274.5.1 神经网络与传统方法的比较 .274
9、.5.2 BP 神经网络图像识别分类器的建立 .28总 结 .31参考文献 .32致 谢 .33附 录 .34第一章 绪论- 1 -第一章 绪论 1.1 课题说明 基于神经网络的图像识别技术是随着当代计算机技术、图像处理、人工智能和式识别理论等发展起来的一种新型图像识别技术，是在传统的图像识别方法的基础上融合神经网络算法的一种图像识别方法。图像识别是利用图像所蕴含的信息进行计算和分析，然后对该图像进行分类或从中提取有用的信息。比如在卫星遥感图片中的实物辨别；在探测频谱图像中诊断故障；在医用 CT 图片诊查病灶。图像识别一般有图像信息获取、图像预处理、图像特征提取、模式分类识别和识别结果五个步骤
10、：图像信息获取是将图像信息输入设备数字化后，输入计算机以备后续处理；图像预处理是对图像进行适当变换，突出某些有的信息，去除或削弱无用的信息，以利于人机分析； 特征提取是取得能反映图像分类本质的特征； 根据提取的特征参数，对图像信息进行分类和识别；获取识别结果。神经网络本质上是一个信息的非线性变换系统，具有很强的函数逼近能力，能狗表示出复杂的映射关系。图像一般通过傅立叶变换、小波变换、矩特征提取等处理后，转化为数学模型表示，这些数学模型可作为神经网络的输入量。不同的图像信息在同一种数学模型表示中有着不同的“量值” ，神经网络可以近似反映了这种映射关系，也可以为这些“量值” 的分界线，这是用神经网
11、络去进行图像识别的一个重要依据。本文通过对图像一系列处理，并利用 BP 神经网络模型，对图像进行训练与学习，把识别处理和若干预处理融合成一体进行，从而完成对简单图像的识别，建立起完整的神经网络图像识别系统。1.2 神经网络图像识别的发展现状与应用前景（1）神经网络图像识别发展现状图像处理技术研究始于 20 世纪 50 年代。1964 年美国喷射推进实验室（JPL）利用计算机处理了太空船送回的大批月球照片，从而得到了较为清晰第一章 绪论- 2 -逼真的图像，这可作为图像处理技术发展的里程碑。此后，图像处理技术也广泛应用到了空间研究方面。20 世纪 70 年代初，图像处理己具有了一定成果，形成了较
12、为完善的学科理论体系，进而成为一门独立的学科。在对图像处理时，需要先对图像进行预处理操作，由于各种不稳定因素的干扰，预处理后的图像仍然可能会包夹杂一定的噪声。为了提高图像识别识别率，许多国内外学者提出了一些新的特征提取算法和多种人工神经网络模型。伴随着人工智能的发展，尤其是 80 年代人工神经网络技术研究的再次兴起，为图像识别的研究提供了新的渠道。一些著名的大公司如 Intel、Motorola 和松下等均已推出自己专用的神经网络芯片，极大推动了神经网络图像识别技术和应用的发展。然而相比之下，国内研究对神经网络图像识别技术起步比较晚。1990 年中国科技大学吴健康教授开始着力于研究神经网络在图
13、像识别中的应用，他们利用单 Hopfteld 网络完成对图像的简单匹配识别。但问题是该方法在收敛性方面不够理想，且对于有动态尺度的图像不能够进行正确的匹配。而后，黎情等人提出基于双 Hopfield 神经网络假设检验来改进图像匹配，实现了对图像的位移变化、旋转变化、尺度变化等的识别。神经网络图像识别在网络样本学习训练时的输入与输出需要对应，因而图像识别识别速度较慢，神经网络技术与模糊理论、证据理论等技术相结合进行图像识别己成为基于神经网络图像识别的发展趋势。（2）神经网络图像识别的应用前景目前，图像识别已经渗透到了多个领域，其中较为典型的有：遥感技术：以像素区的模式分类与图像的综合处理为基础的
14、遥感技术是对地球的整个环境系统进行实时监控的强有力手段。又可为国家计划部门提客观的、供精确农作物生产状况、收获预计、林业、地质、海洋等各类宏观的调查、监测资料。图像跟踪和制导：图像制导技术一直在战略武器的制导中发挥了极大的作用。其最鲜明特点是智能化高与精度高。医用图像处理：以 “图像重迭”为核心的医用图像处理技术将更加趋于完善。以超声波成像、X 光断影成像和核磁共振断层成像技术为基础的医用图像处理可以实现对疾病的直观诊断和无痛、安全第一章 绪论- 3 -方便的治疗。通信工程方面：多媒体通信中图像编码压缩，其核心技术为图像识别，典型应用有分行编码、小波变换图像压缩编码、自适应网络编码等。机器人视
15、觉及图像测量：以“ 三维机器视觉”分析为中心，配有环境分辨能力的机器视觉功能将在工业工程装配、自动化生产线控制、故障排障、引爆等方面发挥着不可代替的作用作用。与机器视觉相并行的，同样以三维分析为基础的图像测量将成为主流的智能化测量技术将会得到长足的发展。军事公安方面：在军事方面图像识别主要用于导弹的精确制导，各种侦察图像的辨别，具有图像传输、存储和显示功能的军事指挥系统，飞机、坦克和军舰模拟训练系统等；公安业务图像的判读分析，指纹识别，人脸鉴别，不完整图片的复原，以及交通监控、事故分析等 1。图像处理和识别数据规模巨大、计算复杂、技术综合性强，神经网络因其存储容量大、并行计算、自适应性强、结构
16、健壮等特点，日益成为图像处理和识别领域的重要工具，并发挥越来越重要的作用。1.3 课 题 内 容 及 本 文 结 构本课题主要运用自己所学神经网络模式识别方面知识，并结合部分图像处理部分技术来完成对简单图像进行识别的任务。所设计系统需经过待识别图像预处理、图像特征提取和模式分类等关键模块。本文章节安排如下：第一章为绪论。课题说明，介绍了神经网络图像识别的发展状况和应用前景，课题介绍和文章结构。第二章为神经网络理论基础。简单介绍了神经网络的基本概念、分类、学习算法规则和特点。第三章为 BP 神经网络。介绍了 BP 神经网络的基本概述、结构、模式识别和在模式识别方面的性能。第 四 章 为 图 像
17、识 别 系 统 设 计 。 按 一 般 图 像 识 别 系 统 流 程 预 处 理 、特 征 提 取 和 模 式 分 类 识 别 来 建 立 图 像 识 别 系 统 。第二章 神经网络理论基础- 4 -第2章 神经网络理论基础神经网络是由大量的简单处理单元经互连接形成的一种网络系统。它可以说是对人脑体系的简化、抽象和模拟，包含了许多人脑功能的基本特征。神经网络理论突破了以往较为传统的、线性处理的数字电子计算机的局限，是一个非线性动力学系统，并具有分布式存储和并行协同处理的特色。神经网络除了具有集体运算的能力和自适应的学习能力外，还有很强的容错性和鲁棒性，善于联想、综合和推广。目前，神经网络的应
18、用范围己经发展到了各个不同领域，如智能控制、模式识别、自适应滤波、计算机视觉、信号非线性优化处理、语音识别、传感技术与机器人等等 2。2.1 神经网络基本原理神经生理学和神经解剖学的研究表明，人脑系统极其复杂，大约由一千亿个神经元交织在一起的形成的网状结构，其中大脑皮层 140 亿多个神经元，小脑皮层 1000 亿多个神经元。人脑可以完成智能、思维等高级行为活动，为了能够利用数学模型来模拟人脑的思维活动，开拓了神经网络的探索。图 2.1 单个神经元的解剖图第二章 神经网络理论基础- 5 -单个神经元的解剖图如图 2.1 所示，神经系统的基本单元是神经元（即神经细胞） ，它是处理人体各部分间信息
19、交流的基本单位。神经元都是由一个细胞体、一个轴突和一些树突组成。轴突的功能是将本神经元的输出信号（兴奋）传递给其它的神经元，其末端的许多神经末梢使得兴奋可以同时传送给多个神经元。树突的功能是接受来自其他神经元的兴奋。神经元细胞体将接收到的所有信号进行简单的处理后，由轴突输出。神经元的轴突与另外神经元末梢相连的部分称为突触。神经元由 4 部分组成： 细胞体（主体部分）：包括细胞质、细胞膜和细胞核； 树突：用于为细胞体传入信息； 轴突：为细胞体传出信息，其末端视神经末梢，含传递信息的化学物质； 突触：是神经元之间的接口（ 个神经元） 。一个神经元通过其4105轴突的神经末梢，经突触与另一个神经元的树突连接，以实现信息的传递。由于突出的信息传递特性是可变的，随着神经冲动传递方式的变化，传递作用强弱不同，形成了神经元之间的柔性，称为结构的可塑性。神经元功能如下： 兴奋与抑制：若传入神经元的信号经整合后可使膜电位升高，超过动作电位阈值（即为兴奋状态） ，则产生神经冲动，由轴突的神经末梢传出。若传入神经元的冲动经整合后使膜电位降低，低于动作电位阈值（即为抑制状态），则不产生神经冲动。 学习与遗忘：由于神经元的结构可塑性，突出的传递作用可增强和减弱，因此神经元具有学习与遗忘功能。神经网络的研究主要分为 3 个方面的内容，即神经元模型、神经网络结构和神经网络学习算法。
