基于神經(jīng)網(wǎng)絡(luò)的非線性畸變圖像的校正和識(shí)別技術(shù)的研究.pdf

1、本論文分析了人工神經(jīng)網(wǎng)絡(luò)的基本原理,重點(diǎn)研究其在非線性畸變圖像的校正和圖像識(shí)別兩個(gè)方面的應(yīng)用。在非線性畸變圖像校正方面,研究一種基于Levenberg—Marquardt算法的BP神經(jīng)網(wǎng)絡(luò)模型實(shí)現(xiàn)非線性畸變圖像的校正;圖像識(shí)別部分建立引入動(dòng)量項(xiàng)學(xué)習(xí)算法的神經(jīng)網(wǎng)絡(luò)實(shí)現(xiàn)對(duì)常用的十個(gè)阿拉伯?dāng)?shù)字圖像的識(shí)別。對(duì)于畸變較大、難以識(shí)別的圖像提出一種混合編程的級(jí)聯(lián)的神經(jīng)網(wǎng)絡(luò)技術(shù),通過(guò)第一級(jí)神經(jīng)網(wǎng)絡(luò)完成對(duì)畸變圖像的校正,然后借助第二級(jí)神經(jīng)網(wǎng)絡(luò)完成圖像的識(shí)

2、別。主要研究?jī)?nèi)容如下:
　　一、研究一種基于Levenberg—Marquardt算法的BP神經(jīng)網(wǎng)絡(luò)模型,針對(duì)非線性畸變圖像通過(guò)提取特征像素點(diǎn),訓(xùn)練神經(jīng)網(wǎng)絡(luò)模型后實(shí)現(xiàn)對(duì)畸變圖像的校正效果。實(shí)驗(yàn)結(jié)果表明,網(wǎng)絡(luò)模型對(duì)畸變圖像的校正效果較為理想,校正后的圖像誤差在0.8個(gè)像素坐標(biāo)值以內(nèi)。
　　二、基于VC開(kāi)發(fā)環(huán)境繪制帶識(shí)別的標(biāo)準(zhǔn)圖像和噪聲圖像,然后借助神經(jīng)網(wǎng)絡(luò)實(shí)現(xiàn)對(duì)數(shù)字字符的識(shí)別。對(duì)于畸變嚴(yán)重難以識(shí)別的圖像,提出一種級(jí)聯(lián)的神經(jīng)網(wǎng)絡(luò)

3、模型。前一級(jí)網(wǎng)絡(luò)利用 MATLAB神經(jīng)網(wǎng)絡(luò)工具箱,構(gòu)建一種基于Levenberg-Marquardt算法的BP神經(jīng)網(wǎng)絡(luò)模型,后一級(jí)基于VC開(kāi)發(fā)環(huán)境建立引入動(dòng)量項(xiàng)學(xué)習(xí)算法的神經(jīng)網(wǎng)絡(luò)。前一級(jí)神經(jīng)網(wǎng)絡(luò)實(shí)現(xiàn)圖像校正功能,輸出的校正后圖像作為后一級(jí)神經(jīng)網(wǎng)絡(luò)的輸入,從而完成對(duì)此類圖像的準(zhǔn)確識(shí)別,大大提高了整個(gè)圖像識(shí)別系統(tǒng)的識(shí)別正確率。實(shí)驗(yàn)結(jié)果表明,訓(xùn)練后的級(jí)聯(lián)神經(jīng)網(wǎng)絡(luò)對(duì)于畸變率為20％以內(nèi)的數(shù)字圖像的識(shí)別率達(dá)100%。
　　三、提出光刻對(duì)準(zhǔn)系