人工神经网络应用于图像识别与处理摘要有几种方法可用于图像识别。在这些方法中,软计算模型在数字图像中应用已被认为是一种获得更好结果的方法。本工作的主要目的是为图像识别提供一种新方法人工神经网络。最初的原始灰度图像已经被转型。将输入图像加进椒盐噪声,然后将带有噪声的图像经过一个自适应中值滤波器,滤除噪声,输出图像就可以视为过滤图像。参考存储在原始数据矩阵中的值,计算出估计误差和平均误差的值存储在过滤图像矩阵中,以便检查进行适当噪声滤除的效果。现在将每个像素数据从十进制数转化成八位二进制数,四个一组的像素已经在一起形成一个新的32位二进制数并转换成一个十进制数,这个过程将用新的不同组值持续产生新的数据矩阵。这个数据矩阵将被作为原始数据矩阵存储在数据银行。现在用来识别,一个新的测试图像已采取和插入椒盐噪声相同的步骤,正如前面提到的,采用自适应中值滤波去除噪声,从而得到一个新的测试矩阵。现在,相对于原始图像,第二个图像的平均误差是基于这两个生成矩阵计算出来的。如果这个平均误差大于45%,我们就可以得出结论,图像是不同的,无法匹配。但如果平均误差值已发现是小于或等于45%,我们