基于神经网络的目标图像识别方法研究

摘要

随着数字图像处理和人工智能两门学科的不断发展,模式识别已经有了长足的进步.而现代战争作为展示新技术的舞台,对空中目标飞机的图像识别有着新的更高的要求.因而,对目标图像识别的研究已显得非常重要.该文重点对飞机图像识别技术进行了研究,主要可分为前期预处理和图像的后期模式分类两部分,该文结构如下:首先,对输入图像进行预处理,包括对图像滤波,锐化以及对图像进行边缘检测和迭代阈值分割,二值化.文中分别采用Robert、Sobel、Prewitt、Gauss-Laplace以及Canny算子对图像进行边缘检测.并对图像进行迭代阈值分割及二值化.其次,提取图像的矩特征.文中提取了飞机图像的Hu矩,并对矩特征进行了修正和归一化.再次,把矩特征分别输入神经网络和支持向量机进行模式识别和分类.文中分别应用改进的BP算法,Kohonen网络和多层前馈网络组以及支持向量机对样本进行训练和识别.最后,根据论文中对飞机目标识别的算法,采用VC语言编程所完成的软件系统作仿真实验,仿真结果表明,该文所采用的方法能够实现对飞机目标的识别.

目录

文摘

英文文摘

第一章绪论

1.1本课题研究的科学意义与应用前景

1.2本课题当前国内外研究现状及分析

1.2.1图像处理和识别的发展历史分析

1.2.2图像处理和模式识别的国内外现状及发展

1.3本课题研究的基本任务与要求

1.4本课题研究的重要内容、获得的成果以及所作的贡献

1.5小结

第二章图像处理与模式识别的原理及方法研究

2.1图像处理与模式识别系统的原理框图和计算模型

2.1.1图像处理与模式识别系统的原理框图

2.1.2图像处理与模式识别系统的计算模型

2.2图像处理与模式识别方法简介

2.2.1图像处理及计算机视觉技术

2.2.2模式识别

2.3课题研究的目标

2.4课题研究的难点分析与研究思路

2.5小结

第三章飞机目标识别的前期处理

3.1图像预处理

3.1.1平滑

3.1.2滤波

3.1.3图像锐化

3.2图像边缘检测

3.2.1图像边缘检测的基本概念

3.2.2边缘检测算法的一般步骤

3.2.3边缘检测

3.3飞机图像的图像分割

3.3.1飞机图像的迭代阈值分割

3.3.2飞机图像的二值化

3.4小结

第四章飞机图像的特征提取

4.1概述

4.1.1不变矩的基本概念

4.1.2不变矩的计算方法和计算结果

4.2小结

第五章 飞机目标识别的后期处理

5.1基于人工神经网络的模式识别技术

5.1.1人工神经网络概述

5.1.2人工神经网络的一般模型

5.2 BP神经网络

5.2.1 BP网络结构及BP算法回顾

5.2.2 BP算法的改进以及住本系统中的应用

5.2.3 BP网络的实验及其结果与分析

5.3自组织特征映射神经网络

5.3.1自组织特征映射网络的结构

5.3.2 Kohonen网络算法及识别机理

5.3.3 Kohonen网络和多层前馈网络组分类算法

5.4支持向量机

5.4.1支持向量机概述

5.4.2 VC维及结构风险最小化

5.4.3最优分类面

5.4.4基于支持向量机的空战目标识别中及结果分析

5.5小结

第六章总结和展望

6.1本文的主要工作

6.2后续研究工作

致 谢

攻读硕士学位期间发表的主要论文

参考文献