基于Gabor小波變換和矩變換的神經(jīng)網(wǎng)絡(luò)圖像識別技術(shù).pdf

1、伴隨著計(jì)算機(jī)技術(shù)的不斷開拓和對人類感知機(jī)理研究的不斷發(fā)展，數(shù)字圖像識別技術(shù)已經(jīng)成為數(shù)字圖像處理技術(shù)中一個重要的研究方向，其應(yīng)用范圍幾乎涵蓋了人類所涉及到的所有領(lǐng)域。但是圖像識別技術(shù)依然受限制于自適應(yīng)性能差，魯棒性不高，技術(shù)不通用等缺點(diǎn)，在識別技術(shù)發(fā)展的今天，如何加強(qiáng)圖像識別技術(shù)的適應(yīng)性和魯棒性甚至通用性就成為了研究圖像識別的一個熱點(diǎn)問題。 針對如何加強(qiáng)圖像識別技術(shù)的適應(yīng)性、魯棒性甚至通用性，本文對圖像識別技術(shù)進(jìn)行了研究。按照圖像

2、識別的過程，把圖像識別技術(shù)分成圖像處理、特征提取和模式識別三部分進(jìn)行研究和討論。 在圖像處理階段，本文首先介紹圖像復(fù)原、圖像增強(qiáng)和圖像分割三類圖像處理技術(shù)。然后分析和對比了三類圖像處理技術(shù)的常見方法，并給出仿真結(jié)果。還針對圖像在噪聲污染度嚴(yán)重和多層噪聲干擾的情況，提出了新的白適應(yīng)門限中值濾波器。實(shí)驗(yàn)證明，自適應(yīng)門限中值濾波器能夠在消除污染密度大的脈沖噪聲同時保護(hù)圖像的細(xì)節(jié)，而且它對于傳統(tǒng)濾波器濾除噪聲效果不好的多層脈沖噪聲也擁有

3、良好的去噪聲效果。 在特征提取階段，按照選取待識別圖像的邊緣關(guān)鍵特征為主要目標(biāo)的思路，對傳統(tǒng)特征提取方法的優(yōu)缺點(diǎn)進(jìn)行比較。本文基于特征提取技術(shù)和人類感知機(jī)理，提出了采用了具有與人類視覺基元相似性質(zhì)的Gabor小波變換和不變矩變換作為特征采集手段，分別提取待識別目標(biāo)的局部特征和和全局特征。并再保留這兩種特征優(yōu)點(diǎn)的情況下對其融合，產(chǎn)生新的優(yōu)化特征。 在模式識別階段，本文采用了模擬生理學(xué)上的真實(shí)人腦神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)和功能的人工神