分享到:

基于神经网络的图像识别研究

随着社会的发展,迫切需要快速有效的自动身份认证技术。人脸作为生物特征的一个属性,具有很强的稳定性和个体差异性,因此是身份认证的理想依据。且和其它生物特征相比,其具有直接、友好、方便的特点,易于被社会接受。人脸识别概念可描述为:给定一静态图片或视频图像,根据所存储的人脸数据库来确认一个或更多的人。人脸识别过程可分为:人脸检测、特征提取、人脸识别三部分。本文的主要工作包括以下几个方面:1.人脸检测。本文实现了基于Adaboost的人脸检测系统,实验结果表明该系统可检测多种格式的静态正面人脸图像,检测速度快,实时性好,对CMU人脸测试库的检测率可达到97.5%。2.特征提取。本文实现了基于主成分分析(PCA Principle Component Analysis)的Eigenface算法。该方法能很好地用维数较少的特征数据在不减少原始数据所包含的内在信息下来表示原始数据。3.人脸识别。本文讨论了BP算法的优缺点,并采用了动量和学习率  (本文共52页) 本文目录 | 阅读全文>>

苏州大学
苏州大学

基于小波变换和人工神经网络的图像识别研究

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...  (本文共59页) 本文目录 | 阅读全文>>

上海师范大学
上海师范大学

基于卷积神经网络的癌症病理图像识别应用研究

癌症作为一种致命性极高的疾病,其早期症状不明显,诊断难度较大,且病患数量增加的速度远超专业学者的培养速度。因此,利用计算机进行医学图像辅助诊断,实现癌症病理图像自动识别,成为当前行业的期许。本文对医学图像领域中的病理图像做基于深度学习的分类识别研究,主要工作包括:1)基于卷积神经网络的前列腺癌病理图像识别研究。设计基于深度学习的训练方案,用于从组织学图像中检测癌症转移。包括五个阶段:检测感兴趣区域(ROI,Region of Interest);通过ROI信息进行块采样、标注,作为训练数据;将标注后的采样块输入所选训练网络模型,训练基于块分类的神经网络;根据整张病理图像中采样块的二分类结果建立整张病理图像肿瘤概率热图;通过选取5个特征对热图做后处理,对组织切片进行诊断。使用VGG、Inception-v3、Res Net三种模型训练神经网络。最优模型Inception-v3在该方法下取得了ROC(接收机工作特性)曲线下面积0.8...  (本文共66页) 本文目录 | 阅读全文>>

浙江农林大学
浙江农林大学

基于卷积神经网络的交易环境下蔬果图像识别研究

随着科技的发展,商品交易越来越方便,自动化渗入到交易的每一个环节。但在农产品产销过程中,针对蔬果的自动分类识别技术并不成熟,例如在交易阶段,对蔬果的分类更多还是通过人工分拣完成,既为经销商增加了人力成本,又为消费者带来了不便的购物体验。随着计算机视觉技术被广泛应用于农产品蔬果的分类识别和品质检测,这为解决这一问题提供可能。然而,当前蔬果图像自动识别的研究更多集中于单一的、没有背景环境的蔬果图像上,且更多通过对纹理、颜色等特征进行提取,利用浅层学习技术,实现对蔬果图像的识别。在方法上并不能满足多种蔬果的分类识别。针对以上背景,本研究集中考虑蔬果交易环境下的图像识别研究,采用深度学习方法来提高蔬果图像的识别率,通过卷积神经网络构建模型并实现分类和识别。主要工作内容如下:1)采集15类蔬果图像,共111309张样本数据,经过二进制转换,形成用以构成研究训练集、验证集和评估集的蔬果农产品图像库。2)设计针对卷积神经网络模型LeNet-5...  (本文共64页) 本文目录 | 阅读全文>>

太原理工大学
太原理工大学

基于径向基函数神经网络的图像识别研究

利用径向基函数人工神经网络在信息处理、模式识别方面的优势解决图像识别问题是本文研究的目的和重点。图像识别技术是随着当代计算机技术、图像处理、人工智能、模式识别理论等发展起来的一种新技术。它以研究某些对象或过程的分类与描述为主要内容。其目的在于研制能自动处理某些信息的系统,以替代人去完成图像分类和辨识的任务。图像识别所研究的领域十分广泛,如:交通监视系统中车牌识别;从机械加工中识别零件;从医学图像中识别发病细胞;从遥感图像中识别森林,湖泊和特定设施;在邮政系统中自动分拣信函;指纹和人脸识别;签字识别等。图像识别的基本任务是通过对图像进行分析,将图像中包含的一个或多个目标识别出来。本文围绕这一中心课题,研究了图像预处理,图像特征信息提取以及神经网络模式识别方法。图像预处理,就是通过数字图像处理的各种方法消除原始图像自带的噪声,消减与识别目的无关的特征并增强研究所需要的特征信息。常规的图像预处理方法包括图像增强、图像边缘检测等。图像特...  (本文共95页) 本文目录 | 阅读全文>>

西安电子科技大学
西安电子科技大学

基于BP神经网络的图像识别与跟踪研究

基于神经网络的图像识别技术是随着当代计算机、图像处理、人工智能、模式识别等理论发展起来的新型图像处理技术,是在传统的图像识别方法的基础上融合神经网络算法的一种图像识别方法。本文首先介绍了图像识别原理和神经网络基本知识,重点介绍了目前在目标识别中用的最多的前馈神经网络模型及其采用的BP算法,并讨论了BP算法的优缺点,介绍了几种改进的BP训练算法。本文采用不进行特征提取的神经网络识别方法,克服了在复杂背景下目标特征提取的难点,实例仿真实验证明了该方法的可行性,以及该方法具有的良好鲁棒性。接着,作者采用理论与实际实验相结合的方法,将上述识别方法引入图像跟踪系统,设计了一种基于BP神经网络的图像匹配度函数,并结合传统图像跟踪的基本技术,实现了基于BP神经网络的序列图像跟踪方法,得到一些有益的结果。  (本文共65页) 本文目录 | 阅读全文>>