神經網絡及其在圖像處理中的應用.pdf

1、人工神經網絡由于具有并行計算、自組織、自學習的特性和全局逼近能力而受到人們的廣泛關注，并已經被成功地應用于模式識別、圖像處理、函數(shù)逼近、自適應控制等方面。BP神經網絡是各種神經網絡模型中最具代表意義的一種網絡。 本文首先對BP神經網絡結構及BP算法進行了綜述，尤其對目前BP算法的改進動態(tài)做了系統(tǒng)的分析研究，在此基礎上，本文提出了一種直接自適應BP算法，該算法著重改進了權值的調整方法，和標準BP算法和以學習速率改變?yōu)榛A的算法相比

2、，此算法縮短了學習時間，提高了學習效率，有效地避免了BP算法收斂速度慢、易陷入局部極小等缺陷。 其次，本文將改進的BP算法用于字符圖像的識別，取得了良好的效果。為改善神經網絡訓練方法對樣本的依賴性，本文提出了一種基于神經-模糊推論系統(tǒng)進行印刷體字符圖像識別的方法，該方法具有識別率高及對噪盧不敏感的特性，仿真結果也證明其優(yōu)于神經網絡的識別方法。 再次，本文提出一種基于鄰域灰度變化極值和神經網絡的圖像邊緣檢測新方法，該方法首

3、先基于鄰域灰度極值提取邊界候選圖像，然后以邊界候選象素及其鄰域象素的二值模式作為樣本集輸入對邊緣檢測神經網絡進行訓練。為加快網絡的收斂速度，本文提出了滾動訓練方法，實驗證明本文提出的邊緣檢測新方法較之于已有的神經網絡方法提高了學習效率，獲得的邊緣圖像封閉性好，邊緣描述真實。 最后，本文提出并實現(xiàn)了一種使用VB-Access-Matlab混合編程的神經網絡模式識別系統(tǒng)，在系統(tǒng)中提出了基于數(shù)據(jù)庫模式的神經網絡數(shù)據(jù)存儲架構，并為進一步