基于神经网络的图像识别

王强，张小溪，韩一红

（西北工业大学 陕西 西安 710129）

图像识别作为图像技术的一个分支一直是图像处理和模式识别领域的研究热点。传统的模式识别方法应用于图像识别主要是利用图像的颜色特征、形状特征、纹理特征等对图像进行比较[1-2]，根据这些统计特征对图像之间的相似度做出评价。

人工神经网络[3]（Artificial Neural Network，ANN）的研究虽然自上世纪40年代才开始，但由于具有强大的自适应能力、信息的分布式存储、并行处理以及能很好的模拟非线性系统，已经在信息处理、模式识别等领域得到越来越广泛的应用。在图像识别中常用的神经网络模型[4-5]有Hopfield神经网络、BP神经网络、小波网络、细胞神经网络和模糊神经网络。对于数字图像来说，采用神经网络是一种有效的手段，而MATLAB中包括的神经网络工具箱为相关的算法开发与数据分析提供了非常友好的环境，避开了比较繁杂的子程序编写任务。

文中应用MATLAB 7.1神经网络工具箱设计BP神经网络，利用提取的图像特征对BP神经网络进行训练，从而达到系统自动识别字符图像的目的。

1 数字图像处理

1.1 图像预处理

字符图像预处理的目的是使字符图像更清晰，边缘更明显，并将每一个字符分割出来便于进行特征提取工作。针对本文选取的字符图像，给出图像预处理的一般流程图如图1所示。

图1 字符图像预处理流程图Fig.1 Flow chart of character image pre-processing

原始字符图像及经过预处理之后的图像如图2、3所示。

图2 原始字符图像Fig.2 Initial character image

图3 图像预处理之后的字符Fig.3 Character image after pre-processing

经过图像预处理后得到的归一化的结果为每个字符的像素数16×8（16为高度，像素行数；……