基于神經(jīng)網(wǎng)絡(luò)的非線性畸變圖像的校正和識別技術(shù)的研究.pdf

1、本論文分析了人工神經(jīng)網(wǎng)絡(luò)的基本原理,重點研究其在非線性畸變圖像的校正和圖像識別兩個方面的應用。在非線性畸變圖像校正方面,研究一種基于Levenberg—Marquardt算法的BP神經(jīng)網(wǎng)絡(luò)模型實現(xiàn)非線性畸變圖像的校正;圖像識別部分建立引入動量項學習算法的神經(jīng)網(wǎng)絡(luò)實現(xiàn)對常用的十個阿拉伯數(shù)字圖像的識別。對于畸變較大、難以識別的圖像提出一種混合編程的級聯(lián)的神經(jīng)網(wǎng)絡(luò)技術(shù),通過第一級神經(jīng)網(wǎng)絡(luò)完成對畸變圖像的校正,然后借助第二級神經(jīng)網(wǎng)絡(luò)完成圖像的識

2、別。主要研究內(nèi)容如下:
　　一、研究一種基于Levenberg—Marquardt算法的BP神經(jīng)網(wǎng)絡(luò)模型,針對非線性畸變圖像通過提取特征像素點,訓練神經(jīng)網(wǎng)絡(luò)模型后實現(xiàn)對畸變圖像的校正效果。實驗結(jié)果表明,網(wǎng)絡(luò)模型對畸變圖像的校正效果較為理想,校正后的圖像誤差在0.8個像素坐標值以內(nèi)。
　　二、基于VC開發(fā)環(huán)境繪制帶識別的標準圖像和噪聲圖像,然后借助神經(jīng)網(wǎng)絡(luò)實現(xiàn)對數(shù)字字符的識別。對于畸變嚴重難以識別的圖像,提出一種級聯(lián)的神經(jīng)網(wǎng)絡(luò)

3、模型。前一級網(wǎng)絡(luò)利用 MATLAB神經(jīng)網(wǎng)絡(luò)工具箱,構(gòu)建一種基于Levenberg-Marquardt算法的BP神經(jīng)網(wǎng)絡(luò)模型,后一級基于VC開發(fā)環(huán)境建立引入動量項學習算法的神經(jīng)網(wǎng)絡(luò)。前一級神經(jīng)網(wǎng)絡(luò)實現(xiàn)圖像校正功能,輸出的校正后圖像作為后一級神經(jīng)網(wǎng)絡(luò)的輸入,從而完成對此類圖像的準確識別,大大提高了整個圖像識別系統(tǒng)的識別正確率。實驗結(jié)果表明,訓練后的級聯(lián)神經(jīng)網(wǎng)絡(luò)對于畸變率為20％以內(nèi)的數(shù)字圖像的識別率達100%。
　　三、提出光刻對準系