基于小波分析的矩特征和神經(jīng)網(wǎng)絡(luò)的圖像識別.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.該文主要研究了矩函數(shù)和神經(jīng)網(wǎng)絡(luò)分別在圖像識別的特征提取和模式分類方面的應(yīng)用.在特征提取方面,利用矩算法提取圖像的不變性特征,并詳細討論了Hu矩及其修正算法、Zernike矩和小波矩.針對其它基于Hu矩的算法沒有統(tǒng)一的形式,不利于某些應(yīng)用,該文通過計算機仿真說明了相對不變矩更具有普遍性.針對連續(xù)小波矩在工

2、程中不宜使用,該文提出了一種實用的離散化方法,并通過計算機仿真與Zernike矩和相對不變矩做了比較,證明了離散小波矩特征在抗噪性和識別能力上是較優(yōu)的.在模式分類方面,針對K均值聚類算法要受到初始聚類中心的選擇及特征的幾何性質(zhì)的影響,標(biāo)準(zhǔn)BP算法收斂速率較慢及易于收斂到局部極小點的缺點,該文采用小波BP網(wǎng)絡(luò)作為圖像識別系統(tǒng)的分類器,并描述了相應(yīng)的算法和程序設(shè)計步驟.仿真結(jié)果說明小波BP網(wǎng)絡(luò)比K均值聚類算法的分類效果好,比BP算法的學(xué)習(xí)效