卷积神经网络在激光再现防伪图像识别中的应用

摘要

人们的生活中充满着各式各样的商品，因为假冒伪劣商品泛滥，商品的防伪显得尤其重要。一种防伪力度较高的技术是加密的激光防伪技术，即将信息隐藏在标识中，通过激光照射标识才能再现隐藏的信息，常见的信息为图像、文字等。而激光再现防伪图像是指相干光源照射加密的防伪标识时再现的图像信息。那么，选则合适的算法来获取针对该类图像的较高的识别率非常有意义。
　　前人已经针对激光再现防伪图像识别的问题采用了传统的模板匹配的算法，该算法的结果有较高的提升空间。目前，已知人工神经网络能较好的逼近非线性函数，且已经在很多图像识别领域得到了应用，但还未有人将该方法应用在激光再现防伪图像识别的领域中。本文首先采用浅层网络中的BP神经网络的算法进行实验，具体为对图像进行预处理、提取特征值、训练网络，得到的识别率较传统的模板匹配识别的方法较优，但是在某些图像样品识别的识别率还是可以再优化。究其原因，BP神经网络算法相对于深度学习的算法，其网络层次不够深，因此，它的特征表达效果不够好。因此，本文又通过采用深度学习中的卷积神经网络(CNN)的方法来识别图像，并重点分析了卷积核大小、卷积核个数和网络层次对识别结果的影响，最终，选择了一个针对激光再现防伪图像识别问题通用的网络结构，并设计了一个激光防伪图像识别的仿真系统。
　　实验结果表明，深度学习中的卷积神经网络算法对激光再现防伪图像的识别问题非常适用，在选取合理的网络模型时，该算法相比于浅层网络中的BP神经网络算法更优，而人工神经网络算法比传统的模板匹配识别算法效果更好。

目录

封面

声明

中文摘要

英文摘要

目录

1 绪 论

1.1 研究背景和意义

1.2 图像识别技术现状

1.3 本文的主要工作

1.4 论文的组织结构

2 BP神经网络及卷积神经网络

2.1 人工神经网络

2.2 深度学习

2.3 本章小结

3 神经网络算法在激光再现防伪图像识别中的研究与应用

3.1 识别图像样品与类别

3.2 图像预处理及数据组织

3.3 BP神经网络在激光再现防伪图像识别中的应用

3.4 卷积神经网络在激光再现防伪图像识别中的应用

3.5 本章小结

4 仿真系统设计与实现

4.1 系统设计说明

4.2 系统操作说明

4.3 本章小结

5 总结与展望

5.1 总结

5.2 展望

致谢

参考文献