基于神经网络的目标识别及定位方法的研究

基于神经网络的目标识别及定位方法的研究

论文摘要

本文研究了简单背景下,发生尺度、角度、位置变化的目标的神经网络识别、定位方法。内容涉及模糊分割技术、BP神经网络、主元分析技术。文章采用对整幅图像识别,同加窗匹配的方法相比,省略了逐行逐列搜索目标的过程。当目标在图像中所占比例超过三分之二时,应用神经网络识别出目标,便可大致找到目标位置,但当目标在图像中所占比例较小且不在中心附近时,则除了识别出目标外还需要对目标定位。为此本文除了对神经网络目标识别方法进行了研究外,还对目标定位方法进行了讨论。文章主要研究内容包括以下几个方面内容:详细分析了多层前馈神经网络的描述及BP算法工作过程。介绍了隐层的选择及隐层神经元数选择的一些经验方法。针对BP算法存在的问题,从初始权值的选取,网络训练过程参数调整等方面进行优化改进,实验证明加快了训练速度,改善了BP网络的学习效果。表示目标的特征向量是否能恰当反映目标本质特性也对网络能否学习成功至关重要,因此本文阐述了两种不同的目标表示方法,即基于不变矩的目标表示法和基于主分量的目标表示法。针对对原始图像直接提取不变矩存在的问题,提出一种先对图像预处理,再提取图像不变矩的处理过程。并且在图像预处理的环节,分析了模糊阈值法原理,提出了一种基于模糊理论的阈值分割法,实验表明该种方法同其他几种选取阈值方法相比,具有一定优势。

论文目录

  • 摘要
  • Abstract
  • 第一章 绪论
  • 1.1 引言
  • 1.2 目标识别方法综述
  • 1.3 本文研究意义
  • 1.4 神经网络的发展及在目标识别中的应用
  • 1.5 影响识别结果的几个问题的讨论
  • 1.6 本文研究的主要内容
  • 第二章 基于模糊理论的阈值选取方法研究
  • 2.1 图像分割技术综述
  • 2.2 模糊理论简述
  • 2.3 模糊分割
  • 2.3.1 模糊阈值法回顾
  • 2.3.2 模糊阈值法基本原理
  • 2.3.3 模糊程度的度量
  • 2.4 隶属函数的构造
  • 2.5 实验仿真
  • 第三章 基于图像矩特征的神经网络目标识别方法的研究
  • 3.1 BP 网络的学习过程
  • 3.2 前馈神经网络的设计
  • 3.2.1 初始权值的优化选择
  • 3.2.2 隐层数和隐层节点的选择
  • 3.2.3 BP 算法的改进
  • 3.2.4 实验讨论
  • 3.3 图像的特征及特征提取方法介绍
  • 3.4 基于不变矩的特征提取方法分析
  • 3.5 实验仿真与讨论
  • 第四章 基于主元神经网络的特征向量提取
  • 4.1 主元分析方法概述
  • 4.2 主元分析方法的理论与原理
  • 4.3 求解主分量的数学方法
  • 4.4 基于神经网络的主元分析方法的研究
  • 4.5 基于主元神经网络的主分量提取的实现
  • 4.6 实验分析
  • 4.6.1 实验一降维实验
  • 4.6.2 实验二以主分量为特征向量的神经网络识别实验
  • 4.6.3 实验结论
  • 第五章 目标的定位
  • 5.1 目标定位方法概述
  • 5.2 基于神经网络的目标定位方法研究
  • 5.3 实验讨论
  • 5.3.1 实验一
  • 5.3.2 实验二
  • 5.3.3 实验三
  • 第六章 总结与展望
  • 6.1 总结
  • 6.2 展望
  • 参考文献
  • 致谢
  • 作者简历
  • 作者在攻读博士学位期间发表的论文及科研情况
  • 相关论文文献

    • [1].基于优化神经网络的地质灾害监测预警仿真[J]. 计算机仿真 2019(11)
    • [2].基于进化神经网络的304不锈钢车削加工表面粗糙度预测[J]. 轻工机械 2019(06)
    • [3].时频联合长时循环神经网络[J]. 计算机研究与发展 2019(12)
    • [4].几种典型卷积神经网络的权重分析与研究[J]. 青岛大学学报(自然科学版) 2019(04)
    • [5].基于GA-BP神经网络异纤分拣机检测参数优化[J]. 棉纺织技术 2020(01)
    • [6].基于集成神经网络的织物主观风格预测研究[J]. 纺织科技进展 2020(01)
    • [7].试析神经网络技术在机械工程中的应用及发展[J]. 网络安全技术与应用 2020(02)
    • [8].一种深度小波过程神经网络及在时变信号分类中的应用[J]. 软件 2020(02)
    • [9].不同结构深度神经网络的时间域航空电磁数据成像性能分析[J]. 世界地质 2020(01)
    • [10].基于深度神经网络的航班保障时间预测研究[J]. 系统仿真学报 2020(04)
    • [11].基于生成对抗网络和深度神经网络的武器系统效能评估[J]. 计算机应用与软件 2020(02)
    • [12].基于循环神经网络的双轴打捆机智能换挡策略研究[J]. 安徽工程大学学报 2020(01)
    • [13].基于图神经网络的实体对齐研究综述[J]. 现代计算机 2020(09)
    • [14].基于改进的循环神经网络深度学习跌倒检测算法[J]. 电脑编程技巧与维护 2020(03)
    • [15].神经网络探索物理问题[J]. 物理 2020(03)
    • [16].基于GA-BP神经网络的城市用水量预测[J]. 现代电子技术 2020(08)
    • [17].基于深度神经网络的药物蛋白虚拟筛选[J]. 软件工程 2020(05)
    • [18].基于轻量级神经网络的人群计数模型设计[J]. 无线电工程 2020(06)
    • [19].高效深度神经网络综述[J]. 电信科学 2020(04)
    • [20].含磁场耦合忆阻神经网络放电行为研究[J]. 广西师范大学学报(自然科学版) 2020(03)
    • [21].基于神经网络及特征运算的老年人平衡能力分析[J]. 重庆工商大学学报(自然科学版) 2020(04)
    • [22].神经网络技术在机械工程中的应用及发展探析[J]. 科技创新与应用 2020(18)
    • [23].基于竞争神经网络的变电站巡视周期分类[J]. 科技创新与应用 2020(18)
    • [24].基于双向循环神经网络的语音识别算法[J]. 电脑知识与技术 2020(10)
    • [25].结合相似日与改进神经网络的短期光伏发电预测[J]. 广西电业 2020(04)
    • [26].基于神经网络的流感大数据分析[J]. 中华医学图书情报杂志 2020(03)
    • [27].长短时记忆神经网络在地电场数据处理中的应用[J]. 地球物理学报 2020(08)
    • [28].基于门控循环单元神经网络的公交到站时间预测[J]. 南通大学学报(自然科学版) 2020(02)
    • [29].鼠脑神经网络的同步辐射3D成像研究[J]. 核技术 2020(07)
    • [30].基于长短记忆神经网络的短期光伏发电预测技术研究[J]. 华北电力大学学报(自然科学版) 2020(04)

    标签:;  ;  ;  ;  ;  

    基于神经网络的目标识别及定位方法的研究
    下载Doc文档

    猜你喜欢