图像识别是近20年来发展起来的一门新型技术科学,它以研究某些对象或过程(统称图像)的分类与描述为主要内容。图像识别所研究的领域十分广泛,它可以从医学图像中进行癌细胞的识别;可以从机械加工中识别出零部件;可以是从遥感图片中识别农作物、森林、湖泊和军事设施;可以是自导引小车中的路径识别;可以是邮政系统中自动分拣信函;可以识别违章行驶的汽车牌照;可以进行银行支票的识别等,图像识别是上述课题中的最基础、最重要的技术。本论文研究分析了传统的图像识别方法,发现传统的方法中具有一定的局限性,不利于图像识别技术的广泛应用,因此提出了基于神经网络的图像识别算法,并依据神经网络的特点对图像识别中的相应技术进行了适当地改进。 本论文的研究思路是按照图像识别的基本步骤进行的:(1) 利用简单有效的算法公式,将彩色图像进行图像的灰度化转换及二值化处理,实现图像的数字化处理;(2) 采用平滑滤波、中值滤波、和锐化滤波等算法去除图像中的噪声信息,对图像进行有效地增强;(3) 通过对边缘检测法中的Roberts算子、Sobel算子和正交算子的分析,得到了一种新的改进边缘检测分割算法,使得图像分割算法具有一定的普遍意义;(4) 根据神经网络识别的特点,研究了不变矩的特性,发现其在离散状态下所具有的问题,通过对其比例因子进行适当得改进,得到一种新的改进不变矩算法,该方法保证了图像特征提取的准确性;(5) 确定BP神经网络的隐层数,在BP神经网络中通过引入多次选择不同的初始权值和加入动量因子两种方法对其进行改进,使神经网络的识别方法更迅速、更准确。其中图像分割、图像特征提取及BP神经网络识别是本研究的重点,另外本论文还利用上述算法设计出了基于BP神经网络的图像识别系统。本论文主要取得下列成果。 1.改进的边缘检测图像分割算法 图像分割是由图像处理转到图像分析的关键。本论文通过对边缘检测中的Robots算子、sobel算子及正交算子进行分析,发现每个算子在进行梯度计算时它们的模板中各个像素位权重是给定的,这就决定了只能考虑空间上的某个方位,而实际上对于图像边缘的方位性质,一般是事先不明确的。因此,本论文采用了一种更具有普遍意义的边缘检测算子。该算子选用3×3的模板,模板中各个像素点的权重,事先不给加以确定,因为图像边缘容易出现在图像灰度突变的交界处,所以可以先确定模板中各个位置所对应像素的灰度值大小,这样就可以粗略地判断边缘出现的方向,然后根据边缘可能出现的方向来决定各个方位上像素的加权系数。本论文根据新算子的构造机理及大量实验,验证了新算子对边缘检测的经典算子是一个很好的补充。 2.基于改进不变矩的图像特征提取算法 特征抽取是图像识别中的一个关键问题,其基本任务是如何从许多特征中找出那些最有效的特征。对于基于神经网络的识别方法而言,其核心是利用图像的特征进行训练识别,理