一、图像模式识别
模式指的是对客观事物进行描述并且建立一个可以效仿的标本模式, 广泛存在于整个社会当中, 包括图像、文字、声音、物体等模式识别, 主要指的是通过对感知信号进行分析, 对物体进行识别以及判断的过程。
新时期人工智能技术迅速发展模式识别的技术水平也逐步提高, 当前模式识别主要包括学习阶段以及实现阶段, 在学习阶段主要是对样本的特征进行选择, 寻找相关的规律, 然后在实现阶段, 根据规律对未知样本进行分类识别。
图像存在于整个社会当中, 在人类接受的信息当中, 图像信息占据了70%, 其传递的信息比其他的信息更加丰富准确。近年来, 图像识别已经成为了新兴的技术, 对某些对象或者过程进行研究, 从而能够研制自动处理某些信息的视觉系统, 逐步代替人工任务。图像识别就是把研究对象根据其某些特征进行识别以及分类对数字图像进行识别, 就是对图像进行模式识别, 这种识别已经存在于人们的生活当中, 同时随着社会的发展, 人们需要识别更多的事物识别的内容也会不断的复杂。
图像模式识别, 主要指的是通过机器对文字图像以及景物等模式信息经过加工以及识别, 从而解决计算机与外部环境通信的问题, 通过研制某种机器来代替人工分类的任务, 可以迅速的完成图形识别的工作。
图像识别主要包括数据获取、数据加工、抽取特征以及判断分类等。数据获取对照片图片以及景物等信息通过传感器来传入信息, 然后被转换成适合计算机处理的形式。数据处理指的是数据的预处理特征抽象以及特征选择, 主要目的是改善图像的质量, 清楚图像当中存在的噪声, 从图像当中抽取反映图像特征的基本元素。判别分类主要指的是采取一定的机制建立分类的规则, 对未知图像模式进行分类判别。
二、人工神经网络
人工神经网络是在现代神经生物研究的基础上, 提出模拟生物来反映人脑某些特征的计算结构。人工神经网络是对人工神经系统的抽象简单以及模拟, 在神经网络当中, 神经元是基本的器件, 因此, 在模拟生物网络当中需要先模拟生物神经元, 这也可以称为是处理单元。
人工神经网络具有较强的自我学习能力, 尤其是直接收集数据可以进行学习, 在学习的过程当中, 可以自适应的发现数据的规律以及特征。人工神经网络具有联想存储的功能, 通过神经网络的反馈网络实现联想功能, 同时神经网络具有推广功能, 可以根据样本的相似性, 对原始样本数据进行正确的处理。同时人工神经网络具有高度的并行性, 在大量相似或者是独立的运算中都可以同时进行, 这种并行能力, 促使人工网络的识别能力, 速度非常快, 为实时处理提供了便利的条件, 当前人工神经网络已经在多个领域当中得到了非常广泛的应用, 包括语言识别、图像识别、计算机故障识别、企业管理专家系统以及军用领域等。
三、基于人工神经网络的图像识别
BP神经网络是应用最为广泛的神经网络之一, 是一种多层前馈网络, 包括输入输出以及隐藏层三种结构。BP神经网络在实际工作的过程当中, 通过不断更新的权值, 使得输入与输出之间的关系达到期望值, 并且由输出向输入反向计算误差, 从而逐步修正各层权值网络。BP神经网络算法的主要过程是初始化设置变量和参数, 进行样本输入, 向神经网络隐层以及输出层输出神经元, 通过梯度下降的方法修至各层的权值以及阈值, 判断最大迭代次数是否已经达到了要求, 最终看遍所有样本之后, 判断是否结束, BP神经网络的操作相对简单, 能够在多种情况得到应用, 而在图像模式识别当中BP神经网络应用相对较多。
而基于人工神经网络图像识别的模式流程如下所示。
首先, 由传感器或者是摄像仪输入图像之后, 判断目标图像与系统的全部参考图像是否达到一致。由于一些光线和噪声的干扰, 造成了图像存在问题, 基于人工神经网络, 可以对图像进行深层次的识别, 通过摄像头对信息采集之后更正一些机型的图像, 从而使得在电脑的样本库当中输入图像的信息, 进行模数的转换。将图像变成数字图像, 对数字图像进行处理之后, 在神经网络当中输入样本在此过程当中就可以进行训练, 一方面在数字图像像素点集合输入矩阵, 通过高维数据作为样本, 对其进行成分分析之后, 简化计划量, 同时可以在数字图像的特征空间当中进行分割, 提取图像的几何特征或者是统计特征, 输入到神经网络当中, 使得图像生成神经网络系统。
而在图像识别的过程当中, 则需要摄像头来采集图像, 并且将其模型转化为数字图像进行预处理, 完成预处理之后就可以输入到训练好的神经网络系统当中, 展开快速的计算以及识别将图像识别技术与人工神经网络系统结合在一起, 可以有效地实现神经网络信息的一致性, 同时可以对其连接的结果进行存储, 从而使得管理效率不断的提高, 应用在知识库的构建等方面。
四、结语
综上所述, 本文在研究的过程当中提出了图像模式识别的主要内容, 以及图像模式识别的方法, 分析了人工神经网络的作用, 提出了在人工神经网络下图像模式识别的主要方法, 在进行图像模式识别的过程当中神经网络系统需要训练图像的数据, 再决定是否学习的过程当中, 一方面输出权值, 而另一方面对图像进行分类, 最终输出结果。在人工网络系统下进行图像模式识别, 可以使得图像转向数字化的方式不断的提升处理的效率以及处理的质量, 从而得到非常广泛的应用。
摘要：新时期, 图像已经成为人类感知世界的基础方式, 其中信息传输作为主要的载体, 为人们带来了非常广泛的信息。而在信息技术以及计算机迅速发展的过程当中, 图像识别技术水平逐步提升, 在进行图像识别的过程当中逐渐开始应用神经网络的理论与技术。本文正是在此背景下对基于人工神经网络的图像识别技术进行研究以及分析。
关键词：人工神经网络,图像识别
参考文献
[1] 丁常宏, 杨月莹, 栗明等.数字图像模式识别技术在植物叶片识别中的应用[J].世界林业研究, 2016, 29 (5) :17-21.
[2] 范立南, 徐心和.基于不变矩特征和神经网络的图像模式模糊分类[J].东北大学学报, 2004, 25 (8) :738-741.
[3] 杜琳, 陈云亮, 朱静.图像数据挖掘研究综述[J].计算机应用与软件, 2011, 28 (2) :125-128.
[4] 张永东, 王建军.利用神经网络基于矩阵相似度的图像体态识别[J].科教导刊 (下旬) , 2018 (1) :32-34.