脈沖耦合神經(jīng)網(wǎng)絡(luò)與小數(shù)冪指數(shù)濾波器在數(shù)字識(shí)別中的應(yīng)用研究.pdf

1、數(shù)字識(shí)別在模擬人工智能、計(jì)算機(jī)文字處理等方面具有巨大的應(yīng)用前景，世界各國(guó)的模式識(shí)別研究者都為此做出大量的研究，提出了很多圖像預(yù)處理算法和識(shí)別算法。然而無(wú)論是哪一種算法都無(wú)法做到與人類自身的識(shí)別能力相媲美。這激勵(lì)著模式識(shí)別工作者不斷地完善目前的圖像預(yù)處理算法和識(shí)別算法。 人眼對(duì)觀察圖像目標(biāo)的識(shí)別主要是通過(guò)目標(biāo)特征信息的提取，而作為圖像識(shí)別系統(tǒng)尤其是在圖像平移、縮放和旋轉(zhuǎn)等畸變情況下，怎樣保證識(shí)別目標(biāo)的不變性是我們研究的主要內(nèi)容，尤

2、其是目標(biāo)形狀特征的提取，是能否良好區(qū)分不同目標(biāo)物體的重要標(biāo)志。 本文首先對(duì)數(shù)字識(shí)別技術(shù)進(jìn)行了概述，并對(duì)本文所用的基礎(chǔ)知識(shí)：脈沖耦合神經(jīng)網(wǎng)絡(luò)PCNN以及小數(shù)冪指數(shù)濾波器FPF的基本概念進(jìn)行了介紹，然后在大量的前人工作基礎(chǔ)上，本文提出了基于PCNN與FPF相結(jié)合的一種圖像識(shí)別算法。其主要思想是將PCNN提取圖像邊緣信息的特點(diǎn)和FPF對(duì)于圖像的識(shí)別能力進(jìn)行了有機(jī)的結(jié)合，根據(jù)不同識(shí)別目標(biāo)，適當(dāng)調(diào)整濾波器參數(shù)，來(lái)達(dá)到最佳識(shí)別效果。最后，通