基于相关学习神经网络的图像识别方法

乔滨

摘 要 近年来人们对于神经网络图像识别方法的研究越来越多，主要是利用人工神经网络的基本理论的研究成果，在图像识别中的应用为根本目的。在本文研究中着重对图像分割技术进行细致研究，详细分解多层前馈神经网络的基本的描述以及BP计算方法全部工作过程。

【关键词】BP神经网络 图像识别 实验研究

1 前言

在当今社会关于图像识别的发展历程当中，出现了几种较为有代表性的理论研究方法：匹配、句法、模糊以及神经网络图像识别法。人工神经网络具有较大的优点：信息的分布式储存、规模较大的自适应功能和较强的容错性等优点，尤其是它的学习能力与容错性在进行图像识别问题处理的时候，具有自己独特的地方。神经网络目标的识别通常分为两个阶段：培训阶段与实践识别阶段。在开展训练的过程中，无论有无指导学习方式，均要对大量具有代表性的样本进行学习，将所学习到的经验有条理的储存在网络结构当中，学习结束之后，也就找到了一组较为合适的神经网络连接权值。在其进行识别的过程中，将未知的模式有序的输入到神经网络当中的时候，就可以依据自己所掌握的知识对所输入的未知模式实现一个判断。对于网络识别的结果是不是既定目标，或者是某种目标，人们通常采用0、1的组合形式来表示。如图1，神经网络在图像中的应用模型。

2 BP神经网络

BP网络通常采用的是Widrow-Hoff的学习计算方法以及非线性可实现微转移函数的网络多层架构。一个比较典型的BP网络普遍使用的是阶梯式计算方法，就是人们经常提到的Widrow-Hoff这一计算方法所规定的。具体描述为：

（1）初始化的网络参数；学习参数。例如，进行网络初始权矩阵、学习因子以及网络数据等。

（2）提供网络训练模式，训练网络，一直到学习的要求得到满足。

（3）前向的传播过程：对既定的训练模式进行合理的输入，将计算机的网络输出模式与预期的模式进行比较，假如存在误差，就立即执行（4）；反之，就回到（2）的处理阶段。

（4）后巷传播的过程：计算同一层单元之间的误差；将正权值进行修订；然后返回（2）。

3 神经网络的图像识别方法研究

3.1 神经网络图像识别系统

神经网络识别系统属于神经网络模式识别系统当中的一种，它们有着相同的原理。一般情况下的，神经网络图像识别系统是由三部分组成：预处理、特征提取以及神经网络的分类设备。预处理的作用就是将原始没用的数据进行删除，平滑、二值化以及实现幅度归一化等。

3.2 基于神经网络的图像识别

从摄像仪、传感器等输入图像识别系统的目标图像与神经系统存储图像是不容易实现完全一致的，总是多多少少的会出现一些干预、放缩以及旋转等突变。针对这一研究难题，人们通常会利用神经网络中的对于突变图像的识别情况进行一个直接的研究。首先，运用CCD的摄像头对所需要的目标图像进行准确的信息收集，在收集信息的过程当中，将摄像头的拍摄方位进行改变，由此所收集到的目标发生突变、出现畸形图像信息的可能性是非常高的。这些各类畸变的信息最终构成了神经系统目标识别的样本库。其次，将相关样本库中的图像逐一输入，开始进行模-数的转化，使得模型转化为数字图像。再次，将所得到的数字进行滤波处理，将当中存在的一些噪音以及没用的信息直接删除。最后，把神经系统的图像信息输入到已经设计好的神经网络当中，开展训练学习，生成所需的神经网络识别系统。在图像进行识别的时候，运用CCD型号的摄像头来对待处理的图像进行收集，经过模-数转换，过滤删除之后，输入神经识别系统，此时，系统就可以实时的计算出所需识别的图像结果。

3.3 图像识别

本文主要对神经网络系统中的旋转畸形、突变图像的识别进行了细致研究。如图2所示，文字符号A的36个样本图像，编号为0-35。

每个样本图像的像素均设置为40×40的标准，然后依次进行顺时针10°的旋转，依据要求进行识别，设计一个三层的BP神经网络。隐层单元的单元数可以依据其公式n'=+α来进行选取，其中m是作为输出神经元数，n是作为输出神经元数的，α作为1-10之间的整数存在，确定其网络结构是1600×45×36，对图像的具体信息实现归一化的图像处理，然后再输入网络，将附加动量跟自适应速率实现一个很好的结合，逐渐改善BP的算法，实现中间传递的函数是tansig跟logsig，开展训练目标之间的误差是0.001，神经系统动量通常采用的常数是0.8，初始自适应学习率是0.01，之后学习率的增加比率是1.05，减少的比率是0.7。神经系统的训练过程可以参看图3。

4 结束语

本篇文章主要阐的是有关神经网络图像识别法的相关研究理论与方法，还包括其应用领域方面的研究。對今后神经系统相关的研究提供更多的依据。

参考文献

[1]陈广银.神经网络在环境监测中的应用研究[J].科技创新导报，2017，14（13）：126-127.

[2]韩丁，通霏，武佩，张正昊.基于BP神经网络的典型牧草特征提取与识别研究[J].内蒙古大学学报（自然科学版），2017，48（02）：205-212.

[3]孙鑫，钱会南.基于深度卷积网络的中药饮片图像识别[J].世界科学技术-中医药现代化，2017，19（02）：218-222.

[4]周鹏.基于NMF和BP神经网络的人脸识别[J].商，2016（08）：207.

作者单位

中国航空工业集团公司洛阳电光设备研究所 河南省洛阳市 471023endprint