基于MATLAB BP神经网络的水果数字图像识别
【摘要】 随着现代社会的发展,信息的形式和数量正在迅猛增长。其中很大一部分是图像,图像可以把事物生动的呈现在我们面前,让我们更直观地接受信息。同时,计算机已经作为一种人们普遍使用的工具为人们的生产生活服务。如今我们也可以把这些技术应用在经营领域。作为智能经营系统(InteUigent Traffic System,简称ITS)中的一个重要组成部分的图像识别技术,当然就是其中的重点研究对象。数字图像识别(License P1ate Recognition,简称LPR),是一种关于计算机的包括图像处理、数学技术、数据库、信息技术以及智能技术于一体的综合技术。用MATLAB做图像识别比用其他工具有许多优势,因为MATLAB在图像的灰度化、二值化、滤波等方面都有很大优势,所以,本次实验我们利用MATLAB的这些优点来对图像进行识别。
【关键词】BP神经网络;图像识别;特征识别;特征提取;图像;Matlab程序、代码技术咨询+企鹅626895124
一 课题研究背景
(一) 图像识别的提出及应用
随着信息化时代的不断发展,人们越来越多地使用信息化的手段来解决各种问题——办公自动化、先进制造业、电子商务等利用计算机技术而产生的新兴行业正不断靠近我们的生活。在信息社会中,我们每天都接触大量的数据——工作数据、个人数据、无意间获得的数据等——在这些数据中,有些数据需要我们人工处理,而有些则可以利用计算机快速准确的完成——特征识别就是其中的一个范畴。
特征识别是一种图像识别技术,他的输入是一张带有某种特征的图片,而输出则是计算机中对于图片中特征的反应结果。所以,可以广泛的应用于各种领域:如,图像检测、手写识别、自动阅读器、机器视觉……在生活生产的各个方面都起到了非常重要的作用。
(二)图像识别的机理
图像识别是人工智能的一个重要领域。为了编制模拟人类图像识别活动的计算机程序,人们提出了不同的图像识别模型。例如模板匹配模型。这种模型认为,识别某个图像,必须在过去的经验中有这个图像的记忆模式,又叫模板。当前的刺激如果能与大脑中的模板相匹配,这个图像也就被识别了。例如有一个字母A,如果在脑中有个A模板,字母A的大小、方位、形状都与这个A模板完全一致,字母A就被识别了。这个模型简单明了,也容易得到实际应用。但这种模型强调图像必须与脑中的模板完全符合才能加以识别,而事实上人不仅能识别与脑中的模板完全一致的图像,也能识别与模板不完全一致的图像。例如,人们不仅能识别某一个具体的字母A,也能识别印刷体的、手写体的、方向不正、大小不同的各种字母A。同时,人能识别的图像是大量的,如果所识别的每一个图像在脑中都有一个相应的模板,也是不可能的。为了解决模板匹配模型存在的问题,格式塔心理学家又提出了一个原型匹配模型。这种模型认为,在长时记忆中存储的并不是所要识别的无数个模板,而是图像的某些“相似性”。从图像中抽象出来的“相似性”就可作为原型,拿它来检验所要识别的图像。如果能找到一个相似的原型,这个图像也就被识别了。这种模型从神经上和记忆探寻的过程上来看,都比模板匹配模型更适宜,而且还能说明对一些不规则的,但某些方面与原型相似的图像的识别。但是,这种模型没有说明人是怎样对相似的“刺激”进行辨别和加工的,它也难以在计算机程序中得到实现。因此又有人提出了一个更复杂的模型,即“泛魔”识别模型。
(四)本文的研究内容
1 原理分析
由于数字图像是唯一的特征标识符号,在经营管理中具有不可替代的作用,因此数字图像识别系统应具有很高的识别正确率,对环境光照条件、拍摄位置等因素的影响应有较大的容阈,并且要求满足实时性要求。
图2-1 水果特征识别系统原理图
该系统是计算机图像处理与特征识别技术在智能化经营管理系统中的应用,它主要由水果图像的采集和预处理、水果区域的定位和提取、图像的分割和识别等几个部分组成,如图1所示。其基本工作过程如下:
(1)图像的采集;
(2)数字图像的图像通视频卡输入计算机进行预处理,图像预处理包括图像转换、图像增强、滤波和水平矫正等;
(3)由检索模块进行搜索与检测,定位并分割出包含水果特征的矩形区域;
(4)对水果特征进行二值化并分割出单个图像,经归一化后输入单个图像识别系统进行识别。
2 总体设计方案
数字图像识别整个系统主要是由图像定位和特征识别两部分组成,其中图像定位又可以分为图像预处理及边缘提取模块和水果的定位及分割模块;特征识别可以分为特征分割与特征提取和单个特征识别两个模块。
为了用于水果的分割和水果特征的识别,原始图像应具有适当的亮度,较大的对比度和清晰可辩的水果图像。但由于该系统的摄像部分工作于开放的户外环境,加之数字图像的整洁度、自然光照条件、拍摄时摄像机与水果的距离和角度等因素的影响,水果图像可能出现模糊、歪斜和缺损等严重缺陷,因此需要对原始图像进行识别前的预处理。
水果的定位和分割是水果识别系统的关键技术之一,其主要目的是在经图像预处理后的原始灰度图像中确定水果的具体位置,并将包含水果特征的一块子图像从整个图像中分割出来,供特征识别子系统识别之用,分割的准确与否直接关系到整个水果特征识别系统的识别率。
由于拍摄时的光照条件、水果的整洁程度的影响,和摄像机的焦距调整、镜头的光学畸变所产生的噪声都会不同程度地造成水果特征的边界模糊、细节不清、笔划断开或粗细不均,加上水果上的污斑等缺陷,致使特征提取困难,进而影响特征识别的准确性。因此,需要对特征在识别之前再进行一次针对性的处理。
图像识别的最终目的就是对图像上的文字进行识别。主要应用的为模板匹配方法。
因为系统运行的过程中,主要进行的都是图像处理,在这个过程中要进行大量的数据处理,所以处理器和内存要求比较高,CPU要求主频在600HZ及以上,内存在128MB及以上。系统可以运行于Windows98、Windows2000或者Windows XP操作系统下,程序调试时使用matlab。
三 具体技术路线
(1)图像预处理及边缘提取
图像预处理技术可最大限度提高图像正确识别率,这些图像预处理包括图像灰度化、平滑、倾斜校正、灰度修正等。