神经网络在图像识别中的应用开题报告

全文总字数：1083字

1. 研究目的与意义

数字图像处理的最终目的是用计算机代替人去认识图像和找出一副图像中人们感兴趣的目标，这是计算机模式识别的主要内容。模式识别技术是用机器来模拟人的各种识别能力，当前主要是模拟人的视觉和听觉能力。图像模式识别是用机器对文字、图像、图片和景物等模式信息加以处理和识别，用以解决计算机与外部环境直接通信这一重要问题。解决图像识别的方法概括起来可分为统计模式识别、结构模式识别、模糊图像识别与智能模式识别。

随着人们对感知机兴趣的衰退，神经网络的研究沉寂了相当长的时间。80年代初期。美国的物理学家Hopfield于1982年和1984年在美国科学院院刊上发表了两篇关于人工神经网络研究的论文，引起了巨大的反响。人们重新认识到神经网络的威力以及付诸应用的现实性。随即，一大批学者和研究人员围绕着 Hopfield提出的方法展开了进一步的工作，形成了80年代中期以来人工神经网络的研究热潮。

2. 国内外研究现状分析

随着人工智能技术的发展，特别是80年代人工神经网络研究的再次兴起，为图像识别技术的研究提供了新的途径。国外的神经网络图像识别技术起步比较早，目前已经能够走出实验室，并在图像信息处理中得到了应用，特别是一些著名的集成电路制造公司，如Intel，Motorola及松下，日立等均已推出自己的神经网络芯片，极大的推动了神经网络图像识别的发展和应用。

国内对神经网络图像识别技术研究起步比较晚，1990年中国科技大学的吴健康等人开始研究神经网络在图像识别中的应用，他们利用Hopfield网络完成对简单图像的匹配识别，该方法在收敛性方面不够理想，而且对有尺度变化的图像不能进行正确匹配，黎倩等人提出基于双Hopfield神经网络假设检验的图像匹配方法对其改进，实现了对工件图的位移，旋转，制度变化的不断识别，由于神经网络图像识别存在样本训练时输出和输入要一一对应，识别速度不如模糊系统快等缺点，神经网络技术与模糊理论，证据理论，贝叶斯决策理论等技术相结合进行图像识别已经成为神经网络图像识别技术的发展趋势。

3. 研究的基本内容与计划

研究内容：1.几种神经网络及其对图像识别的作用。

2.人工神经网络的实际应用。

3.神经网络在图像处理方面的的发展趋势。

4. 研究创新点

1.BP算法相较于其他几种算法在图像识别中的优势

2.在网络模型与算法研究的基础上，利用人工神经网络组成的实际的应用系统。