论文部分内容阅读
人们能很准确的识别出同类性质的图像,而且无论它在什么样的背景中,无论它放大、缩小、平移和旋转等等。这主要由于人们能识别出特征,尤其是它的轮廓和形状特征。随着计算机图像特征分析技术的发展,已经能基本提取出物体的形状特征,但与人脑的差别还是很大,而且不具有人脑的智能。本文目的主要是研究基于神经网络技术的机器视觉识别系统,使其具有类似人脑的识别物体形状特征的能力,并能较为有效的提取出物体的形状特征,并将结果主要应用于航空仪表的特征分析。
在本文中,采用了基于神经网络特征提取技术的设计思想。通过分析大量物体形状特性和指针式仪表的形状和结构特征,考虑到良好的特征应具有可区别性、可靠性、独立性好、数量少的特点,将航空仪表的特征分为:圆弧、矩形和直线三个类型。通过研究发现BP网络能够根据样本学习,具有自组织性、自学习性和容错性等特性,因此提出了基于模糊BP神经网络的特征提取方法。并研究了由模糊隶属度和特征矩阵组成的模糊加权算子,由均方差理论产生的均方差权值,在提取过程中对神经网络的模型进行了改进。在对大量图像特征识别的基础上,引入了对指针式仪表表盘的特征提取,并分析结果和意义。本系统软件设计中采用了面向对象程序设计的思想,同时在VC++6.0平台上开发了基于神经网络的图像特征提取的检测软件,从理论上和实践上实现了对航空仪表表盘的特征分析。
本文所使用的方法,在机器视觉模式识别中较为智能,它能基本提取出航空仪表的三类形状特征。