基于神经网络的图像识别与方法研究.doc

1、忻州师院计算机系本科学士学位论文目 录1引言21.1 人工神经网络的研究背景和意义21.2 神经网络的发展与研究现状21.2.1 神经网络的发展21.2.2 神经网络的现状21.3 神经网络的应用32 神经网络结构及BP神经网络32.1 神经元与网络结构32.1.1 生物神经元32.1.1 人工神经元32.1.3人工神经网络的构成32.2 BP神经网络及其原理32.2.2 BP神经网络模型及其基本原理42.3 BP神经网络的主要功能42.4 BP网络的优点以及局限性43 BP神经网络在实例中的应用43.1 基于MATLAB的BP神经网络工具箱函数43.1.1 BP网络创建函数53.1.2 BP

2、网络训练函数53.1.3 BP网络的图像压缩的matlab实现53.2 基于BP神经图像压缩函数64仿真实验65本章小结9致 谢9参考文献10基于神经网络的图像识别方法与研究 摘要本文首先说明课题研究的目的和意义，评述课题的国内外研究现状，然后分析了神经网络算法的基本原理，给出经典神经网络算法的具体实现方法，总结神经网络算法的特点，并给出神经网络算法的基本流程。采用Matlab软件编程实现BP神经网络算法。将神经网络算法应用于图像压缩中，并分析相关参数对算法运行结果的影响。 关键词: 神经网络 BP神经网络 图像压缩AbstractFirst,the research purpose and

3、significance of neural network is expounded in this article,Commentary studies current situation at the problem home and abroad.and then have analyzed algorithmic basal principle of neural networks,Give algorithmic concert of classics neural networks out the realization method.Summing up the charact

4、eristics of neural network algorithm.Neural network algorithm is given the basic processes. The arithmetic of BP neural network is realized in Matlab software .The algorithm applies of BP neural networks to the computes the image compression.And analysis of relevant paraments on the results of algor

5、ithm.Key words: Neural network BP neural network image compression1引言 BP神经网络是目前人工神经网络模式中最具代表性,应用得最广泛的一种模型,具有自学习、自组织、自适应和很强的非线性映射能力,近年来,为了解决BP网络收敛速度慢,训练时间长等不足,提出了许多改进算法.然而,在针对实际问题的BP网络建模过程中,选择多少层网络,每层多少个神经元节点,选择何种传递函数等,均无可行的理论指导,只能通过大量的实验计算获得.MATLAB中的神经网络工具箱(Neural NetworkToolbox,简称NNbox),为解决这一问题提供了便

6、利的条件.神经网络工具箱功能十分完善,提供了各种MATLAB函数,包括神经网络的建立、训练和仿真等函数,以及各种改进训练算法函数,用户可以很方便地进行神经网络的设计和仿真,也可以在MATLAB源文件的基础上进行适当修改,形成自己的工具包以满足实际需要。此项课题主要是针对MATLAB软件对BP神经网络的各种算法的编程，将神经网络算法应用于图像压缩中，并分析比较相关参数对算法运行结果的影响。1.1 人工神经网络的研究背景和意义 近年来通过对人工神经网络的研究，可以看出神经网络的研究目的和意义有以下三点：（1）通过揭示物理平面与认知平面之间的映射，了解它们相互联系和相互作用的机理，从而揭示思维的本质

7、，探索智能的本源。（2）争取构造出尽可能与人脑具有相似功能的计算机，即神经网络计算机。（3）研究仿照脑神经系统的人工神经网络，将在模式识别、组合优化和决策判断等方面取得传统计算机所难以达到的效果。1.2 神经网络的发展与研究现状 1.2.1 神经网络的发展神经网络起源于20世纪40年代，至今发展已半个多世纪，大致分为三个阶段。(1)20世纪50年代-20世纪60年代：第一次研究高潮(2)20世纪60年代-20世纪70年代：低潮时期(3)20世纪80年代-90年代：第二次研究高潮1.2.2 神经网络的现状(1)开发现有模型的应用，并在应用中根据实际运行情况对模型、算法加以改造，以提高网络的训练速

8、度和运行的准确度。(2)充分发挥两种技术各自的优势是一个有效方法。(3)希望在理论上寻找新的突破，建立新的专用/通用模型和算法。(4)进一步对生物神经系统进行研究，不断地丰富对人脑的认识。1.3 神经网络的应用 神经网络理论的应用取得了令人瞩目的发展，特别是在人工智能、自动控制、计算机科学、信息处理、机器人、模式识别、CAD/CAM等方面都有重大的应用实例。2 神经网络结构及BP神经网络2.1 神经元与网络结构人工神经网络（artificial neural network，ANN）是模仿生物神经网络功能的一种经验模型。神经网络是由大量的处理单元（神经元）互相连接而成的网络。为了模拟大脑的基本

9、特性，在神经科学研究的基础上，提出了神经网络的模型。2.1.1 生物神经元人脑大约由1012个神经元组成，神经元互相连接成神经网络。它主要由细胞体、树突、轴突和突触组成。2.1.2 人工神经元生物神经元是一个多输入、单输出单元。2.1.3人工神经网络的构成 神经网络连接的几种基本形式： (1)前向网络 (2)从输出到输入有反馈的前向网络 (3)层内互连前向网络 (4) 相互结合型网络2.2 BP神经网络及其原理BP (Back Propagation)神经网络是一种神经网络学习算法。其由输入层、中间层、输出层组成的阶层型神经网络，中间层可扩展为多层。2.2.2 BP神经网络模型及其基本原理图2

10、.1 BP神经网络模型 基本原理是:把一组输入模式通过少量的隐含层单元映射到一组输出模式，并使输出模式尽可能等于输入模式。当隐含层的单元数比输入模式数少时，就意味着隐含层能更有效地表现输入模式，并把这种表现传送到输出层。2.3 BP神经网络的主要功能函数逼近、模式识别、分类、图像压缩2.4 BP网络的优点以及局限性BP神经网络最主要的优点是具有极强的非线性映射能力。局限性是梯度下降法使得训练很慢。3 BP神经网络在实例中的应用感知器的创建函数、BP网络的训练函数、仿真函数、初始化函数和训练函数3.1 基于MATLAB的BP神经网络工具箱函数表3.1 BP网络的常用函数表函数类型函数名称函数用途

11、前向网络创建函数newcf创建级联前向网络Newff创建前向BP网络传递函数logsigS型的对数函数tansigS型的正切函数purelin纯线性函数学习函数learngd基于梯度下降法的学习函数learngdm梯度下降动量学习函数 续表3.1函数类型函数名称函数用途性能函数mse均方误差函数msereg均方误差规范化函数显示函数plotperf绘制网络的性能plotes绘制一个单独神经元的误差曲面plotep绘制权值和阈值在误差曲面上的位置errsurf计算单个神经元的误差曲面3.1.1 BP网络创建函数(1)Newff该函数用于创建一个BP网络。调用格式为：net=newffnet=ne

12、wff(PR,S1 S2.SN1,TF1 TF2.TFN1,BTF,BLF,PF)net=newff;用于在对话框中创建一个BP网络。net为创建的新BP神经网络；PR为网络输入向量取值范围的矩阵；S1 S2SNl表示网络隐含层和输出层神经元的个数；TFl TF2TFN1表示网络隐含层和输出层的传输函数，默认为tansig；BTF表示网络的训练函数，默认为trainlm；BLF表示网络的权值学习函数，默认为learngdm；PF表示性能数，默认为mse。 (2)newcf函数用于创建级联前向BP网络，newfftd函数用于创建一个存在输入延迟的前向网络。3.1.2 BP网络训练函数(1)tra

13、in神经网络训练函数，调用其他训练函数，对网络进行训练。该函数的调用格式为：net,tr,Y,E,Pf,Af=train(NET,P,T,Pi,Ai)net,tr,Y,E,Pf,Af=train(NET,P,T,Pi,Ai,VV,TV)(2) traingd函数为梯度下降BP算法函数。traingdm函数为梯度下降动量BP算法函数。 3.1.3 BP网络的图像压缩的matlab实现 第一阶段是图像数据样本集作为输入和教师信号训练BP网络，第二阶段是进行熵编码。3.2 基于BP神经图像压缩函数1. 训练样本构造2.创建神经网络3.训练神经网络4.编码仿真5.图像重构实验1：神经元数nh = 7.

14、1，S = 9，训练次数500；实验2：神经元数nh = 10.5，S = 6，训练次数500；实验3：神经元数nh = 21.3，S = 3，训练次数500；4仿真实验图4.1 重构图像效果图4.2压缩比为9的训练误差性能曲线实验一结果：图4.3压缩比为9时的训练状态图图4.4 压缩比为9时的回归曲线实验二结果：图4.5 重构图像效果图4.6 压缩比为6时的训练误差性能曲线图4.7压缩比为6时的训练状态图图4.8 压缩比为6时的回归曲线图4.6压缩比为6时的误差性能曲线实验三结果：图4.9 重构图像效果图4.10 压缩比为3时的训练误差性能曲线图4.11 压缩比为3时的训练状态图图4.12

15、压缩比为3时的回归曲线5本章小结从重建图像的效果可以看出，当隐含层神经元数较少（S=3）时，压缩比较高，但是重建图像质量较差，所以在仿真实验过程中，可通过增加隐含层的神经元数来提高重建图像的质量。6 结束语 通过学习神经网络课程，使我进一步开拓了视野，了解掌握了一种新的数据处理方法。通过本次实验，进一步了解掌握神经网络强大的自学习能力和适应能力，以及对复杂问题的解决能力，也激发了进一步深入学习神经网络知识的热情。致 谢经过几个月的努力，查找资料、深入分析，此次毕业论文终于圆满完成。虽然自己查阅了大量资料、还进行了深入分析，做了许多相关的工作，但没有导师的悉心指导和其他老师同学的大力帮助，我也是

16、无法完成此次毕业设计的，特在此向在我完成此次毕业论文过程中给了我许多鼓励和帮助的老师同学一并致谢。首先，感谢我的导师从下达任务书，资料查阅、文章结构的安排、文字表述等各个环节和各个方面都给了我悉心的指导。虽然她平时的工作也很繁忙，但她还是挤出许多时间，给了我许多指导和启发。她渊博的知识，前沿的理论研究，严谨的治学精神以及诲人不倦的高尚品德都让我无比钦佩和无比感激，我也会以她为榜样在今后的工作和学习中继续努力。在大学学习生活期间，得到了学院诸多老师、同学的教导和帮助，在此一并致谢！ 最后，向评审我的论文的老师们表示深深的敬意！并向答辩委员会的全体老师表示衷心的感谢！参考文献1 傅荟璇，赵虹MAT

17、LAB神经网络应用设计M北京：机械工业出版社，20102 丛爽神经网络理论与应用M合肥：中国科学技术大学出版社，20093 飞思科技产品研发中心神经网络理论与MATLAB2007实现M北京：电子工业出版社，20074 高隽人工神经网络原理及仿真实例M北京：机械工业出版社，20055 陈超MATLAB应用实例精讲M北京：电子工业出版社，20116 王鸿斌，胡志军人工神经网络理论及其应用J山西电子技术，2006，(2)：41-437 蔡自兴人工智能及其应用M北京：清华大学出版社，20058 杨国为，王守觉，闫庆旭分式线性神经网络及其非线性逼近能力研究J计算机学报2007，30(2)：78-829

18、李秋生，张策，刘振华基于神经网络和遗传算法的智能PID参数最优整定方法J计算测量与控制2007，15(5)：610-61210 ERMccurleyKP Miller，RShonkuilerClassificationpower of multilayer artificial neuralnetworksMIn：11 巨军让，卓戎.BP神经网络在Matlab中的方便实现.新疆石油学院学报.2008.2(1)12 闻新、周露、王丹力、熊晓英.MATLAB神经网络应用设计.科学出版社，2001.5:10-5013 Matlab users Guide. The MathWorks.Inc,2003:23-2714 周开利，康耀红 编著.神经网络模型及其MATLAB仿真程序设计.2006:10-4315 彭淑敏神经网络图像识别技术研究与实现D北京：西安电子科技大学,2005. 11