基于神經(jīng)網(wǎng)絡(luò)的目標(biāo)識別及定位方法的研究.pdf

1、本文研究了簡單背景下，發(fā)生尺度、角度、位置變化的目標(biāo)的神經(jīng)網(wǎng)絡(luò)識別、定位方法。內(nèi)容涉及模糊分割技術(shù)、BP神經(jīng)網(wǎng)絡(luò)、主元分析技術(shù)。 文章采用對整幅圖像識別，同加窗匹配的方法相比，省略了逐行逐列搜索目標(biāo)的過程。當(dāng)目標(biāo)在圖像中所占比例超過三分之二時，應(yīng)用神經(jīng)網(wǎng)絡(luò)識別出目標(biāo)，便可大致找到目標(biāo)位置，但當(dāng)目標(biāo)在圖像中所占比例較小且不在中心附近時，則除了識別出目標(biāo)外還需要對目標(biāo)定位。為此本文除了對神經(jīng)網(wǎng)絡(luò)目標(biāo)識別方法進(jìn)行了研究外，還對目標(biāo)定位

2、方法進(jìn)行了討論。文章主要研究內(nèi)容包括以下幾個方面內(nèi)容： 詳細(xì)分析了多層前饋神經(jīng)網(wǎng)絡(luò)的描述及BP算法工作過程。介紹了隱層的選擇及隱層神經(jīng)元數(shù)選擇的一些經(jīng)驗(yàn)方法。針對BP算法存在的問題，從初始權(quán)值的選取，網(wǎng)絡(luò)訓(xùn)練過程參數(shù)調(diào)整等方面進(jìn)行優(yōu)化改進(jìn)，實(shí)驗(yàn)證明加快了訓(xùn)練速度，改善了BP網(wǎng)絡(luò)的學(xué)習(xí)效果。 表示目標(biāo)的特征向量是否能恰當(dāng)反映目標(biāo)本質(zhì)特性也對網(wǎng)絡(luò)能否學(xué)習(xí)成功至關(guān)重要，因此本文闡述了兩種不同的目標(biāo)表示方法，即基于不變矩的目標(biāo)表

3、示法和基于主分量的目標(biāo)表示法。針對對原始圖像直接提取不變矩存在的問題，提出一種先對圖像預(yù)處理，再提取圖像不變矩的處理過程。并且在圖像預(yù)處理的環(huán)節(jié)，分析了模糊閾值法原理，提出了一種基于模糊理論的閾值分割法，實(shí)驗(yàn)表明該種方法同其他幾種選取閾值方法相比，具有一定優(yōu)勢。 文章針對數(shù)學(xué)方法求取主分量困難的情況，采用神經(jīng)網(wǎng)絡(luò)提取主分量，簡化了求取過程，并以主分量作為BP網(wǎng)絡(luò)的輸入特征向量，進(jìn)行目標(biāo)識別。 在利用神經(jīng)網(wǎng)絡(luò)目標(biāo)識別時，當(dāng)

4、目標(biāo)在圖像中所占比例較小，且其位置不在整幅圖像中心附近時，僅僅識別出目標(biāo)還不能確定目標(biāo)位置，因此文章討論了目標(biāo)定位方法，分析了多種定位方法的優(yōu)缺點(diǎn)，嘗試應(yīng)用神經(jīng)網(wǎng)絡(luò)方法對目標(biāo)定位，該方法同其他數(shù)學(xué)目標(biāo)定位方法相比，在于定位過程簡單(只有乘法和加法運(yùn)算)，且不需要對圖像預(yù)處理。 本文的創(chuàng)新點(diǎn)： 1.針對對原始圖像提取不變矩存在的問題，提出先對圖像預(yù)處理，再提取不變矩的處理過程。并且在圖像的預(yù)處理過程中，提出一種基于模糊理論

5、的閾值分割法，該方法能快速有效的實(shí)現(xiàn)圖像分割。 2.提出在網(wǎng)絡(luò)學(xué)習(xí)過程中加入可變的動量因子，減小了網(wǎng)絡(luò)振蕩，加快網(wǎng)絡(luò)收斂速度。 3.使用主元神經(jīng)網(wǎng)絡(luò)求取圖像的主分量，提出以主分量作為改進(jìn)BP神經(jīng)網(wǎng)絡(luò)的輸入特征向量，進(jìn)行目標(biāo)識別。 4.提出對整幅圖像識別，再通過定位網(wǎng)絡(luò)進(jìn)行目標(biāo)定位的識別定位方法。同在整幅圖像內(nèi)加窗匹配的識別定位方法相比，不需要在圖像中逐行逐列進(jìn)行搜索。通過神經(jīng)網(wǎng)絡(luò)對整幅圖像識別時，當(dāng)目標(biāo)在圖像中存