发布时间 : 星期四 文章人工神经网络在图像处理与识别中的应用(翻译的IEEE英文原版论文)更新完毕开始阅读
参考文献
[1] M. Egmont-Petersena, D. de Ridderb, Handelsc,L.Beaurepaire, K.Chehdi; B.Vozel ―Image processing with neural networks—a review\–2288 [2] Berend Jan van der Zwaag , Kees Slump , and Lambert Spaanenburg\Image Processing\
[3] Anil K. Jain, Fellow, IEEE, Robert P.W. Duin, and Jianchang Mao,Senior Member, IEEE ―Statistical Pattern Recognition: A Review‖,IEEE TRANSACTIONS ON PATTERN ANALYSIS ANDMACHINE INTELLIGENCE VOL. 22, NO. 1, JANUARY 2000
[4] Andrzej Dziech, Ali Amuri, ―CONTOUR RECOGNITION USING NEURAL NETWORKAPPLICATION‖, Communications Dept.,AGH Cracow University, Cracow, POLAND, Electronics and Communication Dept., Kielce University of Technology, Kielce,POLAND.
[5] Kenji Suzuki, ―Pixel-Based Artificial Neural Networks in Computer-Aided Diagnosis‖, Department of Radiology, Division of Biological Sciences, the University of Chicago USA [6] N.R. Pal, S.K. Pal, \techniques\– 1284. [7] S.K. Pal, A. Ghosh, \processing and pattern recognition\(1996) 1182–1193
[8] Mostafa Jabarouti Moghaddam, Hamid Soltanian-Zadeh,
―Medical Image Segmentation Using Artificial Neural Networks ―. [9] Adilson Gonzaga, Armando Marin, Evandro A. Silva, Fabiana C.Bertoni Kelton A.P. Costa, Luciana A.L. Albuquerque ―Neutral Facial Image Recognition Using Parallel Hopfield Neural Networks‖,Universidade de S?o Paulo
[10] Y.J. Zhang, \
segmentation\– 1340 [11] Humayun Karim Sulehria, Ye Zhang, ―Hopfield Neural
Networks—A Survey‖, Proceedings of the 6th WSEAS Int. Conf. on Artificial Intelligence, Knowledge Engineering and Data Bases, Corfu Island,Greece, February 16-19, 2007.
[12] Rafael C. Gonzalez, Richard E. Woods, \Processing\New Jersey 07458, TA1632.G66 2001, 698-740
原理
一．提出问题
数字计算机的出现和现代学习与神经处理理论的发展都发生在大约同一时期，即二十世纪40年代后期。在计算机上进行人工神经系统的研究（ANS）仍然是生物医学研究的一个活跃领域。自那时以来，数字计算机已作为一种工具被用来建立单个神经元以及神经元簇的模型，这就是所谓的神经网络。源自统计模式识别的传统技术一直很流行，直到20世纪90年代初期。在新的时代，2000，Robert P.W.Duin和毛建昌给了我们作了一个全面的总结并对模式识别中一些众所周知的方法进行了比较。给出的评论主要针对统计方法。人工神经网络（ANN）在这只作为一部分被讨论。由于发现，对于进行特征识别，统计方法或多或少存在着一般数学方法的不可用性。一个新的基于轮廓特征值计算的特征提取方法被提出，并发现利用前馈神经网络可以得到令人满意的结果。图像处理的主要目的是改变视觉的影响，这样信息量大大提高，使得所述图像比原始图像更清晰。这种技术有助于我们获得图像中我们感兴趣的部分或特征的更好的清晰度，并且抑制图像中其他部分或特征的信息。图像识别一直致力于，从一组身份已知的标签中寻找图像中被观察目标的身份。可用的识别技术有许多种，但是对于选择何种技术最合适主要取决于给定的手头任务和一些其它的相关参数。软计算是建立在模糊逻辑，人工神经网络，进化计算，机器学习等一些最新技术之上的一种新兴领域。每种软计算技术都可以应用于，产生因太复杂或嘈杂而无法用常规方法处理的任何问题的解决方法。传统的计算机采用逐步解决问题的方法，且每一步都需要很好定义并且必须保证是可计算的。如果其中计算机需要遵循的任何一步是未知的，计算机将无法解决问题。所以利用计算机解决问题需要事先掌握如何解决这个问题的所有知识。而人工神经网络是一种新技术，它采用的是一种与传统计算方法不
同的解决问题的方式。或许人工神经网络之所以被认为更强大，是因为它可以解决一些还不能准确知道如何去解决的问题。
本文将利于人工神经网络，提供一种图像处理与识别的新方法。人工神经网络已成为灵感来自于生物神经网络的一个最新发展工具。这个新的强大工具的主要优势是，它具有靠传统计算方法不太容易解决问题的能力。
二．分析问题