基于小波神經(jīng)網(wǎng)絡(luò)的交通標志識別研究.pdf

1、圖像識別是模式識別的一個重要分支，經(jīng)過數(shù)十年的發(fā)展，現(xiàn)在已經(jīng)滲透到了軍事、空間探索、醫(yī)學(xué)、郵電等各個領(lǐng)域，具有很大的實用價值和重要意義。 利用小波變換以及人工神經(jīng)網(wǎng)絡(luò)在信息處理方面的優(yōu)勢來解決圖像識別問題是本文研究的目的和重點。本文圍繞圖像識別這個中心課題，研究了目標圖像原始數(shù)據(jù)的獲取、預(yù)處理、不變性特征的提取方面以及小波神經(jīng)網(wǎng)絡(luò)識別技術(shù)。 在圖像的預(yù)處理部分，先對獲取的圖像進行平移、去噪，隨后對其進行邊緣檢測、增強。最

2、后，由于獲取的圖像目標和攝像機位置關(guān)系的不同，可能出現(xiàn)平移、尺度變化、扭曲、旋轉(zhuǎn)等不同的變化，將圖像進行歸一化處理，使其成為對平移、尺度變化、扭曲具有不變性的規(guī)格化圖像。 在特征提取方面，利用矩算法提取圖像的不變性特征，并詳細介紹了常規(guī)矩、Zernike不變矩，針對這幾種傳統(tǒng)不變矩的缺點：它們都是在整個圖像空間中計算得到的圖像的全局特征，容易受到噪聲的干擾。本文引入了新的矩不變量-小波矩不變量，它將小波分析用于不變矩中，使其具有

3、平移、旋轉(zhuǎn)和比例不變性。利用小波矩不僅可以得到圖像的全局特征，而且也可以得到圖像的局部特征，還增加了小波對圖像結(jié)構(gòu)精細特征把握能力強的優(yōu)點，因而在識別相似物體方面具有更高的識別率。 在分類識別方面，本文以小波不變量為特征，并對所提取的特征進行優(yōu)化選擇，最后用優(yōu)化后的特征分別與BP神經(jīng)網(wǎng)絡(luò)、小波神經(jīng)網(wǎng)絡(luò)分類器相結(jié)合進行目標圖像識別。本文通過仿真實驗，對典型的交通標志圖像進行訓(xùn)練識別，并將其與常用的BP神經(jīng)網(wǎng)絡(luò)標志識別算法相比，小波