文档介绍：第3期(总第172期):1672—6413(2012)03—0200—02利用BP神经网络识别图像基点袁振涛,郭俊,师福明。(,陕西宝鸡721499;,山西太原030053;,山西太原030032)摘要:论述了运用BP神经网络对图像进行识别。介绍了BP神经网络的算法设计、隐层节点的选取等问题。结果表明,BP神经网络有很强的自适应性,对大量样本识别后,能将图像中需要的基点有效地识别出来,且达到较高的准确率。关键词:BP神经网络;图像基点;图像识别中图分类号::TP183文献标识码:B0引言随着电子技术的革新,各种高速微处理器快速发展,使得图像处理技术越来越广泛地应用在各种模式中。但目前所用的图像基点检查方法都较单调,费力、费时,精度也不高。由于BP神经网络具有自学习、自组织、较好的容错性和优良的非线性逼近能力,故本文采用BP神经网络来对图像基点进行识别。,是目前应用最广泛的神经网络模型之一,其包括输入层、隐层和输出层,如图1所示。;①初始化,随机给定各连接权及阀值;②由给定的输入输出模式对计算隐层、输出层各单元输出;③计算新的连接权及阀值;④选取下一个输入模式并返回第二步反复训练,直到网络输出误差达到要求,结束训练。2图像基点识别图像基点识别分为图像数字化、图像预处理、图像分割、图像特征提取、图像识别几个过程。图像数字化是将模拟信号图像转化为数字信号图像,使计算机能对图像进行下一步处理;图像预处理是对图像进行适当变换,突出某些有用的信息,去除或消弱无用信号;图像分割是把图像分成若干个有意义的区域;图像特征提取是取得能反映图像分类的特征。图像识别就是让机器自动识别事物,利用计算机分类识别物体,在错误概率最小的条件下,使识别结果尽量与客观事物相吻合。目前主要的识别方法有近邻匹配法、支持向量机、遗传算法、模糊识别方法、人工神经网络。本文采用近邻匹配法。,将基点剪出来,缩放成3O×3O像素的图像,作为目标样本,按同样的方法,做出非目标样本与介于两者之间的样本共计80张进行训练。BP神经网络图像样本部分训练结果见图2。。训练过程中为了改善效果,将初始权值设为0~1之间的随机数,迭代步长设定为能根据全局误差调整的变量。为提高识别的精度,。BP神经网络训练完后,可利用训练好的数据进行图像识别。识别时,将图像进行预处理,然后将图像的特征数据送人BP神经网络进行识别。最后采用小步收稿日期:2012—02—02}修回日期:2012—02—25作者简介:袁振涛(1976一),男,陕西宝鸡人,工程师,本科,从事煤化工行业自控管理与研发。2012年第3期机械工程与自动化·2O1·搜索的方法寻找目标。一一曩曩图2BP神经网