论文部分内容阅读
利用小波变换以及人工神经网络在信息处理方面的优势解决图像识别问题是本文研究的目的和重点。 本文围绕图像识别这一个中心课题，研究了目标图像原始数据的获取、预处理、不变性特征的提取方法以及神经网络识别技术。 在图像的预处理部分，先对获取的图像进行平滑、去噪，随后对其进行边缘检测、增强，最后，由于获取的图像目标和摄像机位置关系的不同，可能出现平移、尺度变化、扭曲、旋转等不同的变化，将图像进行归一化处理，使其成为对平移、尺度变化、扭曲具有不变性的规格化图像。 在旋转不变性和特征提取方面，研究了目标的Zernike不变矩方法，并且提出了用小波分析在目标图像特征提取方面的应用，分别用Zernike矩和小波分析方法提取了目标的特征值，将两者提取的特征值分别作为目标识别分类器的输入。 在神经网络分类识别方面，采用BP神经网络方法分别对用Zernike不变矩和小波分析方法提取的特征值进行训练并进行识别，实验结果表明，用小波分析方法提取目标图像的特征值比用Zernike矩不变量方法有更好的识别效果，并且取得了较好的识别率。