随着电子计算机技术应用的普及,数字图像技术日益被广泛应用于工农业生产和日常生活的各个领域。数字图像技术领域中图像的传输和存储技术已经非常成熟,而且应用广泛,而图像的分析和理解无论是理论还是应用与前者相比还有着很大的差距。图像的识别作为图像分析和理解的核心问题一直是国内外研究的热点与难点,经过研究人员的多年的辛苦和努力,图像识别理论和技术取得了长足的进步,但现今的各种图像识别技术仍然存在适用范围窄、灵活性差、鲁棒性不足等问题,而且图像识别理论则五花八门没有一个坚实而统一的理论基础。 本文的思想源头来自于对人类视觉的灵活性及鲁棒性的考察,将人类视觉优势的根源即生物神经网络系统的人工数字模型即人工神经网络引入图像识别领域,与常规的数字图像处理技术相结合,旨在发挥两者的优势弥补双方的不足,寻找出一种具有较强的灵活性通用性以及鲁棒性的平面图像识别算法。 论文分为六个章节:第一章介绍了论文课题的研究背景及意义,以及计划要完成的研究任务。第二章简单介绍了图像识别技术的发展历史及国内外的研究动态。第三章阐述了图像识别和神经网络的基本理论以及一个图像识别系统大致结构。后来的章节主要是根据图像识别系统中处理环节的顺序来安排。首先是图像的前期处理章节,探讨了图像噪声的消除、图像的边缘检测以及图像的二值化处理的基本理论与算法,并对各种算法进行了仿真试验,并对实验结果进行了对比分析;然后是图像特征的提取章节,阐述了用于图像识别的图像特征应该具备的特性、图像的一般矩和几何矩的定义、不变几何矩的构造及其性质,并通过试验验证了不变矩的几何变换不变性;接着是基于BP神经网络的模式识别章节,详细的探讨了神经网络用于模式识别的基本理论以及BP神经网络的构造学习和训练,并采用BP网络对上个环节提取的图像不变矩特征进行了模式识别试验,得出的结果证明了本文提出的平面图像识别方法的有效性。最后在总结与展望中,对全文的研究工作进行总结,并对今后的研究工作进行方向进行了探讨与展望。