基于概率神經(jīng)網(wǎng)絡(luò)的圖像識(shí)別及應(yīng)用方法

1.97萬字 34頁 原創(chuàng)作品，已通過查重系統(tǒng)


摘要 概率神經(jīng)網(wǎng)絡(luò)是具有非常強(qiáng)的自適應(yīng)學(xué)習(xí)的能力和非常強(qiáng)的容錯(cuò)性概率神經(jīng)網(wǎng)絡(luò)在交通標(biāo)志等的許多圖像識(shí)別中得到很多方面的應(yīng)用但是我們現(xiàn)在采用的徑向基神經(jīng)網(wǎng)絡(luò)和多層感知器還有BP神經(jīng)網(wǎng)絡(luò)這三種神經(jīng)網(wǎng)絡(luò)，這里我們提出了運(yùn)用概率神經(jīng)網(wǎng)絡(luò)的技術(shù)進(jìn)行交通標(biāo)志圖像的識(shí)別的新方法這個(gè)新的算法整個(gè)分兩步實(shí)現(xiàn):首要步驟是對交通標(biāo)志的圖像提取它的Tchebichef不變距并將其作為圖像的特征;再采用改進(jìn)的概率神經(jīng)網(wǎng)絡(luò)進(jìn)行識(shí)別。
為提高識(shí)別精度提取合適的圖像特征是一個(gè)重要的方面現(xiàn)在主要選擇的圖像的全部像素或者圖像的不變距作為圖像的特征。以圖像全部像素作為特征進(jìn)行識(shí)別如果特征空間太大會(huì)造成識(shí)別算法的復(fù)雜以及硬件實(shí)現(xiàn)的困難性;而采用不變距作為特征由于不是正交距存在較大的信息冗余而且由于它對噪聲非常敏感導(dǎo)致識(shí)別精度不是很高。所以這里首先利用離散正交距提出一種新的特征提取的方法;然后我們對概率神經(jīng)網(wǎng)絡(luò)加以修正改進(jìn)，并采用差異演化的算法對概率神經(jīng)網(wǎng)絡(luò)等各個(gè)參數(shù)進(jìn)行最后的優(yōu)化選擇;最終將采用這種概率神經(jīng)網(wǎng)絡(luò)對交通標(biāo)志進(jìn)行識(shí)別。


關(guān)鍵詞：城市交通圖像識(shí)別概率神經(jīng)網(wǎng)絡(luò)