基于相關(guān)學(xué)習(xí)神經(jīng)網(wǎng)絡(luò)的圖像識(shí)別方法

喬濱

摘 要 近年來人們對(duì)于神經(jīng)網(wǎng)絡(luò)圖像識(shí)別方法的研究越來越多，主要是利用人工神經(jīng)網(wǎng)絡(luò)的基本理論的研究成果，在圖像識(shí)別中的應(yīng)用為根本目的。在本文研究中著重對(duì)圖像分割技術(shù)進(jìn)行細(xì)致研究，詳細(xì)分解多層前饋神經(jīng)網(wǎng)絡(luò)的基本的描述以及BP計(jì)算方法全部工作過程。

【關(guān)鍵詞】BP神經(jīng)網(wǎng)絡(luò) 圖像識(shí)別 實(shí)驗(yàn)研究

1 前言

在當(dāng)今社會(huì)關(guān)于圖像識(shí)別的發(fā)展歷程當(dāng)中，出現(xiàn)了幾種較為有代表性的理論研究方法：匹配、句法、模糊以及神經(jīng)網(wǎng)絡(luò)圖像識(shí)別法。人工神經(jīng)網(wǎng)絡(luò)具有較大的優(yōu)點(diǎn)：信息的分布式儲(chǔ)存、規(guī)模較大的自適應(yīng)功能和較強(qiáng)的容錯(cuò)性等優(yōu)點(diǎn)，尤其是它的學(xué)習(xí)能力與容錯(cuò)性在進(jìn)行圖像識(shí)別問題處理的時(shí)候，具有自己獨(dú)特的地方。神經(jīng)網(wǎng)絡(luò)目標(biāo)的識(shí)別通常分為兩個(gè)階段：培訓(xùn)階段與實(shí)踐識(shí)別階段。在開展訓(xùn)練的過程中，無論有無指導(dǎo)學(xué)習(xí)方式，均要對(duì)大量具有代表性的樣本進(jìn)行學(xué)習(xí)，將所學(xué)習(xí)到的經(jīng)驗(yàn)有條理的儲(chǔ)存在網(wǎng)絡(luò)結(jié)構(gòu)當(dāng)中，學(xué)習(xí)結(jié)束之后，也就找到了一組較為合適的神經(jīng)網(wǎng)絡(luò)連接權(quán)值。在其進(jìn)行識(shí)別的過程中，將未知的模式有序的輸入到神經(jīng)網(wǎng)絡(luò)當(dāng)中的時(shí)候，就可以依據(jù)自己所掌握的知識(shí)對(duì)所輸入的未知模式實(shí)現(xiàn)一個(gè)判斷。對(duì)于網(wǎng)絡(luò)識(shí)別的結(jié)果是不是既定目標(biāo)，或者是某種目標(biāo)，人們通常采用0、1的組合形式來表示。如圖1，神經(jīng)網(wǎng)絡(luò)在圖像中的應(yīng)用模型。

2 BP神經(jīng)網(wǎng)絡(luò)

BP網(wǎng)絡(luò)通常采用的是Widrow-Hoff的學(xué)習(xí)計(jì)算方法以及非線性可實(shí)現(xiàn)微轉(zhuǎn)移函數(shù)的網(wǎng)絡(luò)多層架構(gòu)。一個(gè)比較典型的BP網(wǎng)絡(luò)普遍使用的是階梯式計(jì)算方法，就是人們經(jīng)常提到的Widrow-Hoff這一計(jì)算方法所規(guī)定的。具體描述為：

（1）初始化的網(wǎng)絡(luò)參數(shù)；學(xué)習(xí)參數(shù)。例如，進(jìn)行網(wǎng)絡(luò)初始權(quán)矩陣、學(xué)習(xí)因子以及網(wǎng)絡(luò)數(shù)據(jù)等。

（2）提供網(wǎng)絡(luò)訓(xùn)練模式，訓(xùn)練網(wǎng)絡(luò)，一直到學(xué)習(xí)的要求得到滿足。

（3）前向的傳播過程：對(duì)既定的訓(xùn)練模式進(jìn)行合理的輸入，將計(jì)算機(jī)的網(wǎng)絡(luò)輸出模式與預(yù)期的模式進(jìn)行比較，假如存在誤差，就立即執(zhí)行（4）；反之，就回到（2）的處理階段。

（4）后巷傳播的過程：計(jì)算同一層單元之間的誤差；將正權(quán)值進(jìn)行修訂；然后返回（2）。

3 神經(jīng)網(wǎng)絡(luò)的圖像識(shí)別方法研究

3.1 神經(jīng)網(wǎng)絡(luò)圖像識(shí)別系統(tǒng)

神經(jīng)網(wǎng)絡(luò)識(shí)別系統(tǒng)屬于神經(jīng)網(wǎng)絡(luò)模式識(shí)別系統(tǒng)當(dāng)中的一種，它們有著相同的原理。一般情況下的，神經(jīng)網(wǎng)絡(luò)圖像識(shí)別系統(tǒng)是由三部分組成：預(yù)處理、特征提取以及神經(jīng)網(wǎng)絡(luò)的分類設(shè)備。預(yù)處理的作用就是將原始沒用的數(shù)據(jù)進(jìn)行刪除，平滑、二值化以及實(shí)現(xiàn)幅度歸一化等。

3.2 基于神經(jīng)網(wǎng)絡(luò)的圖像識(shí)別

從攝像儀、傳感器等輸入圖像識(shí)別系統(tǒng)的目標(biāo)圖像與神經(jīng)系統(tǒng)存儲(chǔ)圖像是不容易實(shí)現(xiàn)完全一致的，總是多多少少的會(huì)出現(xiàn)一些干預(yù)、放縮以及旋轉(zhuǎn)等突變。針對(duì)這一研究難題，人們通常會(huì)利用神經(jīng)網(wǎng)絡(luò)中的對(duì)于突變圖像的識(shí)別情況進(jìn)行一個(gè)直接的研究。首先，運(yùn)用CCD的攝像頭對(duì)所需要的目標(biāo)圖像進(jìn)行準(zhǔn)確的信息收集，在收集信息的過程當(dāng)中，將攝像頭的拍攝方位進(jìn)行改變，由此所收集到的目標(biāo)發(fā)生突變、出現(xiàn)畸形圖像信息的可能性是非常高的。這些各類畸變的信息最終構(gòu)成了神經(jīng)系統(tǒng)目標(biāo)識(shí)別的樣本庫。其次，將相關(guān)樣本庫中的圖像逐一輸入，開始進(jìn)行模-數(shù)的轉(zhuǎn)化，使得模型轉(zhuǎn)化為數(shù)字圖像。再次，將所得到的數(shù)字進(jìn)行濾波處理，將當(dāng)中存在的一些噪音以及沒用的信息直接刪除。最后，把神經(jīng)系統(tǒng)的圖像信息輸入到已經(jīng)設(shè)計(jì)好的神經(jīng)網(wǎng)絡(luò)當(dāng)中，開展訓(xùn)練學(xué)習(xí)，生成所需的神經(jīng)網(wǎng)絡(luò)識(shí)別系統(tǒng)。在圖像進(jìn)行識(shí)別的時(shí)候，運(yùn)用CCD型號(hào)的攝像頭來對(duì)待處理的圖像進(jìn)行收集，經(jīng)過模-數(shù)轉(zhuǎn)換，過濾刪除之后，輸入神經(jīng)識(shí)別系統(tǒng)，此時(shí)，系統(tǒng)就可以實(shí)時(shí)的計(jì)算出所需識(shí)別的圖像結(jié)果。

3.3 圖像識(shí)別

本文主要對(duì)神經(jīng)網(wǎng)絡(luò)系統(tǒng)中的旋轉(zhuǎn)畸形、突變圖像的識(shí)別進(jìn)行了細(xì)致研究。如圖2所示，文字符號(hào)A的36個(gè)樣本圖像，編號(hào)為0-35。

每個(gè)樣本圖像的像素均設(shè)置為40×40的標(biāo)準(zhǔn)，然后依次進(jìn)行順時(shí)針10°的旋轉(zhuǎn)，依據(jù)要求進(jìn)行識(shí)別，設(shè)計(jì)一個(gè)三層的BP神經(jīng)網(wǎng)絡(luò)。隱層單元的單元數(shù)可以依據(jù)其公式n'=+α來進(jìn)行選取，其中m是作為輸出神經(jīng)元數(shù)，n是作為輸出神經(jīng)元數(shù)的，α作為1-10之間的整數(shù)存在，確定其網(wǎng)絡(luò)結(jié)構(gòu)是1600×45×36，對(duì)圖像的具體信息實(shí)現(xiàn)歸一化的圖像處理，然后再輸入網(wǎng)絡(luò)，將附加動(dòng)量跟自適應(yīng)速率實(shí)現(xiàn)一個(gè)很好的結(jié)合，逐漸改善BP的算法，實(shí)現(xiàn)中間傳遞的函數(shù)是tansig跟logsig，開展訓(xùn)練目標(biāo)之間的誤差是0.001，神經(jīng)系統(tǒng)動(dòng)量通常采用的常數(shù)是0.8，初始自適應(yīng)學(xué)習(xí)率是0.01，之后學(xué)習(xí)率的增加比率是1.05，減少的比率是0.7。神經(jīng)系統(tǒng)的訓(xùn)練過程可以參看圖3。

4 結(jié)束語

本篇文章主要闡的是有關(guān)神經(jīng)網(wǎng)絡(luò)圖像識(shí)別法的相關(guān)研究理論與方法，還包括其應(yīng)用領(lǐng)域方面的研究。對(duì)今后神經(jīng)系統(tǒng)相關(guān)的研究提供更多的依據(jù)。

參考文獻(xiàn)

[1]陳廣銀.神經(jīng)網(wǎng)絡(luò)在環(huán)境監(jiān)測(cè)中的應(yīng)用研究[J].科技創(chuàng)新導(dǎo)報(bào)，2017，14（13）：126-127.

[2]韓丁，通霏，武佩，張正昊.基于BP神經(jīng)網(wǎng)絡(luò)的典型牧草特征提取與識(shí)別研究[J].內(nèi)蒙古大學(xué)學(xué)報(bào)（自然科學(xué)版），2017，48（02）：205-212.

[3]孫鑫，錢會(huì)南.基于深度卷積網(wǎng)絡(luò)的中藥飲片圖像識(shí)別[J].世界科學(xué)技術(shù)-中醫(yī)藥現(xiàn)代化，2017，19（02）：218-222.

[4]周鵬.基于NMF和BP神經(jīng)網(wǎng)絡(luò)的人臉識(shí)別[J].商，2016（08）：207.

作者單位

中國航空工業(yè)集團(tuán)公司洛陽電光設(shè)備研究所 河南省洛陽市 471023endprint