论文部分内容阅读
图像识别是模式识别的一个重要分支,经过数十年的发展,现在已经渗透到了军事、空间探索、医学、邮电等各个领域,具有很大的实用价值和重要意义。 不变矩是图象的一种统计特征,具有平移、旋转和比例不变性,利用矩不变量进行形体识别一直是图像识别的研究重点。本文详细介绍了几何矩、Hu矩不变矩的概念、性质及在图像识别中的应用。为了加快识别速度,提出并应用边界矩,也就是在识别物体的边界上提取不变矩。 BP神经网络是各种神经网络模型中具有代表意义的神经网络模型之一,己获得了广泛的应用。如果恰当选择BP网络的结构,它能够以极高的精度和泛化能力描述许多问题。为了提高识别率,文中将模糊技术与神经网络结合,提出模糊神经网络识别系统。 本文就是基于边界矩特征和神经网络的图像识别模型。所设计的识别模型包括边界矩特征提取、边界矩矢量标准化、模糊化预处理、BP网络与竞争选择。利用边界矩提取图像的特征矢量,利用神经网络作为分类器对提取的特征矢量分类,使用模糊化的方法先对输入特征数据做预处理再进行识别。实验证明该方法很有效,训练后的网络具有较高的识别能力。在本文最后,对系统的抗噪声性能进行了研究,实验表明在噪声背景下,系统识别率有所下降。最后,提出了系统需要改进的方向。