基于神经网络的图像识别系统的研究

目前图像识别技术与社会生活息息相关,图像识别技术是计算机视觉的一个重要分支,神经网络图像识别技术是随着当代计算机技术、图像处理、人工智能、模式识别理论等发展起来的一种新型图像识别技术。要实现图像的识别,首先要通过图像采集设备获得相应图像,从而使图像数字化;然后对图像进行识别,得出它的各种信息。本文利用神经网络对已获得的数字图像进行识别,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。本文首先分析了传统的图像识别方法,针对传统方法存在的局限性,及图像识别中矢量维数大,而且图像呈现不同状态等复杂情况,在图像处理过程中对图像分割的算法加以研究并对其改进;同时,针对BP神经网络中存在局部极小值的问题,通过在BP网络中加入动量因子的方法,改进网络的效率,提高了图像识别的准确性,并且在网络训练过程中采用自适应改变学习速率的方法,减少了网络的训练次数及训练时间。最后通过实验进行验证,证明优化方法的可行性及有效性,并通过程序设计得以实现,达到较好地效果。