基于组合矩和神经网络的图像识别技术研究

随着神经网络和图像科学的发展，基于神经网络的图像识别技术由于其具有传统的模式识别方法不具备的处理数据量大、处理速度快的特点，在经济、生活各个领域得到了广泛应用。 本文主要包括两个部分：一部分是采集图像及其预处理图像，另一部分是提取图像组合矩和对目标图像利用BP网络分类器进行训练识别。论文主要内容如下： (1)介绍了BP神经网络原理，分析了部分参数对BP神经网络泛化能力的影响。在与传统模式识别对比的基础上，给出了选择神经网络作为图像分类识别系统分类器器的原因。 (2)通过图像采集系统采集到的图像建立图像库，对图像库中的图像进行缩放、旋转、滤波、二值化、边缘提取等处理。 (3)在Hu矩七个不变量基础上构建了具有五个不变量的组合矩，并用这五个矩不变量描述目标特征。 (4)设计BP神经网络分类器和实现目标图像的分类识别。这个阶段工作包括确定BP神经网络模型及其算法，把提取的组合矩不变量作为设计好的BP神经网络分类器的输入，对目标图像进行训练。然后用训练好的BP神经网络分类器对不同目标图像进行分类识别。 本文在VC开发环境下运用C++语言实现论文各模块、各具体算法。最后实验仿真表明基于组合矩和神经网络的图像识别技术能较好的实现图像分类识别任务，并且具有较好的实时性和识别率。