基于模糊神经网络角点特征描述方法及应用

摘要

二维目标图象形状描述与识别是计算机视觉领域的一个重要科题,而目标特征的抽取与描述是实现目标识别的关键.该文提出了一种新的基本智能模式识别方法的图象边缘轮廓角点特征描述思想,以此特征构成符号记录序列描述目标形状,并应用模糊缺元匹配原理来实现目标识别.该文主要分为两部分,第一部分主要介绍基于智能模式识别的角点形状描述思想.该方法将边缘轮廓化为由点构成的序列,再对轮廓上每一点分类,共分为A,B,C,D,F五种角点类型,其中E为特征不明显或非角点,A,B,C,D为真正的角点(高曲率点),再按模糊规则对冗余或伪角点进行压缩,从而得到边缘轮廓上角点位置与类型.此处具体介绍了基于模糊推理分类器、神经网络分类器、模糊神经网络分类器的角点分类法,着重介绍一种模糊极小极大神经网络分类器模型在角点分类中应用,并结合该算法的具体特点对此模型结构作局部改进.第二部分主要是介绍基于角点特征的目标轮廓形状描述和模糊缺元匹配算法.该方法将目标图象上的典型轮廓形状用含有角点位置与类型特征的符号特征序列子集表示,结合缺元匹配与模糊推理提出一种新的模糊缺元匹配算法.最后介绍一个应用实例:多个互相遮挡工件的识别.在角点检测中引入角点形状描述概念是一种新思想,该方法获得的角点检测结果与现存角点检测方法相比不仅语义网络信息丰富,而且有较强抗噪声干扰能力.基于模糊极小极大神经网络分类器结合了模糊逻辑与神经网络理论的优点,使得角点检测结果更准确,抗干扰能力更强.同时基于角点位置与形状描述信息的符号特征序列子集较好地描述了物体典型形状段的特征,而基于符号特征序列子集的模糊缺元配方法模仿了人的思维活动,具有精度高,速度快的特点.因此,该文所提出的方法在军事目标,文字,工件识别方面有较好的应用前景.

目录

文摘

英文文摘

第一章绪论

§1.1论文研究背景

§1.2论文研究内容及安排

第二章基于角点形状描述的角点检测思想

§2.1引言

§2.2基于角点形状描述的角点检测方法

第三章基于智能模式识别方法角点位置与形状检测

§3.1引言

§3.2图象预处理与特征提取

§3.3基于模糊推理的角点位置与形状检测

§3.4基于神经网络模型的角点位置与形状检测

§3.5基于模糊神经网络的角点位置与形状检测

§3.6小结

第四章基于角点特征的目标图象形状描述与匹配

§4.1引言

§4.2基于角点形状特征的形状描述

§4.3缺元匹配原理

§4.4基于角点位置与形状特征缺元匹配方法

§4.5应用实例

§4.6小结

结束语

参考书目

致谢