基于Gabor小波變換和矩變換的神經(jīng)網(wǎng)絡圖像識別技術.pdf

1、伴隨著計算機技術的不斷開拓和對人類感知機理研究的不斷發(fā)展，數(shù)字圖像識別技術已經(jīng)成為數(shù)字圖像處理技術中一個重要的研究方向，其應用范圍幾乎涵蓋了人類所涉及到的所有領域。但是圖像識別技術依然受限制于自適應性能差，魯棒性不高，技術不通用等缺點，在識別技術發(fā)展的今天，如何加強圖像識別技術的適應性和魯棒性甚至通用性就成為了研究圖像識別的一個熱點問題。 針對如何加強圖像識別技術的適應性、魯棒性甚至通用性，本文對圖像識別技術進行了研究。按照圖像

2、識別的過程，把圖像識別技術分成圖像處理、特征提取和模式識別三部分進行研究和討論。 在圖像處理階段，本文首先介紹圖像復原、圖像增強和圖像分割三類圖像處理技術。然后分析和對比了三類圖像處理技術的常見方法，并給出仿真結果。還針對圖像在噪聲污染度嚴重和多層噪聲干擾的情況，提出了新的白適應門限中值濾波器。實驗證明，自適應門限中值濾波器能夠在消除污染密度大的脈沖噪聲同時保護圖像的細節(jié)，而且它對于傳統(tǒng)濾波器濾除噪聲效果不好的多層脈沖噪聲也擁有

3、良好的去噪聲效果。 在特征提取階段，按照選取待識別圖像的邊緣關鍵特征為主要目標的思路，對傳統(tǒng)特征提取方法的優(yōu)缺點進行比較。本文基于特征提取技術和人類感知機理，提出了采用了具有與人類視覺基元相似性質的Gabor小波變換和不變矩變換作為特征采集手段，分別提取待識別目標的局部特征和和全局特征。并再保留這兩種特征優(yōu)點的情況下對其融合，產(chǎn)生新的優(yōu)化特征。 在模式識別階段，本文采用了模擬生理學上的真實人腦神經(jīng)網(wǎng)絡的結構和功能的人工神