神經網絡圖像識別技術研究與企業應用

摘要：圖像識別技術在曾經的年代里，很多是基于龐大的計算規模的基礎之上的，不可調和的矛盾普遍存在于運算量和運算精度之間。近年來為解決這一問題提供了新的途徑，那就是人工神經網絡技術。分布式的新型信息儲存時間和大規模的應對范圍，對目標圖像實時處理提出了更高的要求。在容錯率需維持較高水平的前提下，背景殘缺和局部不清晰的情況層出不窮。企業級應用集成是基于企業內外部的總分式流程，并且將系統硬件軟件結合起來，創造出了無縫集成技術。企業應用集成可以另系統像一個統一完全體一樣，同時進行業務和信息的處理工作。

關鍵詞：神經網絡 圖像識別 企業應用

中圖分類號：TP183 文獻標識碼：A 文章編號：1007-9416（2016）10-0124-01

1 神經網絡的發展、應用及其特點

現代計算機的應用前提下，計算和信息處理能力均較高，但感知能力和復雜環境中的判斷能力均不如人類，并且短期內難以實施。特別是，缺乏在特定環境的學習和適應能力，只能按照一定的程序進行分解及工作、執行。本世紀初，人們對于人類大腦的工作方式已經有了一定程度的了解，有著非常大的規模的基本單元，被稱為神經元，這些經過高度復雜的統一結合，形成復雜的、非線性、平行處理的信息綜合處理系統，這和當代的計算機處理方式是完全不同的。單個的神經元的反應速度比起類似計算機的基本單元邏輯反應時間，是毫秒級別的。

1.1 圖像識別及分類技術概況

隨著計算機技術和數字圖像處理技術的發展，為了滿足當前迫切需要，通過對機器視覺設備所獲得的圖像識別和分類，己成為當前的迫切需要。研制機器的視覺系統是圖像識別的最終目的。因此，他們自行區別分類是可能的。通過一些手段使各類圖像的重要顯性數據通過一定的數值來表示出來，除了對圖像進行數據化處理之外，通常特征范圍的提取工作也是必要的。但反應某一類特征時，計算工作的繁雜、內容的龐大，為計算帶來了很大壓力的同時，產生了不精確的可能，難免有一些誤差。所以進一步的工作量需要對特征進行選擇與處理，減小特征值的誤差而保留圖像特征信息，這種找出比原來特征數目少而精的綜合指標的方法稱之為特征選擇。

1.2 神經網絡應用于圖像識別技術的現況

在世界范圍內掀起了探索和研究神經網絡的熱潮，來自發展了的學習算法。目前國內外研究較多的有字符識別技術、車牌識別技術、臉部識別技術、各種紙幣識別技術、印章識別技術及對一些軍事目標的識別等方面。人工神經網絡的發展己滲透到各種研究領域，特別是在模式識別的圖像分類技術方面，所取得的應用也日益增多。

2 圖像識別原理簡介

2.1 圖像識別系統

圖像模式識別系統的三個重要組成部分，有如下三種，第一是圖像有關信息的采集和收集，他等同于對被研究對象的深入了解和調查，取得有關數據后，進行整體的加工、修改、歸納、整合，并且進一步提出反應其中特點的一些潛質。最重要的一部分特點是將類似空間的映射量折射到空間中。相當于人類的感性和理性認識的轉換，并作出結論的過程。圖像識別系統如圖1所示。

2.2 模糊模式識別法

模糊特征，本質就是根據一定的模糊化規則，經過多重加工后，將圖像的一個特征或者一組特征分成多個模糊變量，使每個模糊變量能表達原特征的一部分特性。這些新的模糊特征取代原來的特征進行模式識別，提高了分類器的性能。

2.3 人工神經網絡模式識別法

圖像輸入→預處理→特征提取→神經網絡識別→識別結果。

3 神經網絡圖像識別系統設計

3.1 網絡分類器的設計

新的性能指標函數，通過反復使用，可以在保證網絡誤差盡可能小的情況下使網絡具有較小的權值，使得網絡的有效權值盡可能少，這實際上相當于自動縮小了網絡的規模。

3.2 樣本的選擇及組織

選擇標準且合理的樣本，對提高網絡的學習速度、使網絡具有良好的識別精度都有著舉足輕重的作用。本實驗中，樣本的選擇可以遵循以下原則，當網絡用于分類屬性時，首先選取各類的樣本進行訓練，在使網絡的總體性能不高時，另一方面可以大幅度提高訓練程序速度，避免網絡陷入癱瘓。如此反復，結果會使網絡產生振蕩。要使網絡對模式的旋轉、伸縮等具有不變性，因為網絡并不具有不變識別的能力，所以就要選擇各種可能情況的樣本，這樣可以保證網絡具有比較高的識別率。

4 傳統企業應用技術分析

無限制地共享數據和業務處理是企業應用集成（EAI）是指企業內部和企業之間的任何相連的應用之間。公共對象請求代理體系結構（CORBA）、分布式組件對象模型（DCOM）和遠程方法調用是傳統的系統集成方式。目前用的比較多的集成方式是 Web Services。

5 結語

本文首先綜述了人工神經網絡的發展、應用、特點和神經網絡應用于圖像識別技術的現況。重點介紹了目前在目標識別中用的最多的前饋神經網絡模型及其采用的算法的同時，介紹了圖像識別原理和幾種模式識別常用的神經網絡模型。

隨著有關研究的不斷深入、計算機運行技術、數字圖像處理技術的發展，對機器視覺設備信息操作，所獲得的圖像識別和分類已成為當前的迫切需要。

目前所做的工作離實用要求的距離還有很大的距離。不過，結合企業實際情況設計了基于ESB的企業應用集成技術。這一課題必然會得到較好的解決。

參考文獻

[1]袁建國，高亮，劉向軍等.需求鏈管理的研究.中國機械工程，2003，14：89-93.

[2]孫晉文，肖建國.企業應用集成與基于Web Services 的構架應用.計算機工程與應用，2003，8：25-29.

收到日期：2016-09-02

作者簡介：宋學超（1988—），男，遼寧沈陽人，本科，畢業于沈陽航空航天大學計算機科學與技術（機器翻譯），研究方向：視覺傳達，人機交互，藝

術設計教育。