科研之友
微信
新浪微博
Facebook
分享链接
摘要
目前的图像智能识别方法中，由于干扰因素过多，导致图像识别的结果误差值较大.为此提出基于BF神经网络的图像智能识别方法。采用传感器装置采集静态图像样本和动态图像样本，经过拜尔滤光片后，导入到图像采集卡中，由图像采集卡将图像分解成为RGB模式下的三种原色的原始图像。采取HOG特征算法对图像样本的特征进行预处理，分别完成正向传播和后向传播，灰度化图像样本的检测窗口，通过计算像素梯度，进一步排除弱化光照等因素的干扰，计算重叠区域的权重投影，并归一化对比度，最终得出可供识别的特征向量。基于BF神经网络构建图像智能识别模型，采用梯度下降法对模型的输出层和隐藏层进行权值调整，采用正负样本1∶3的比例对该模型进行训练。设计对比实验检测该方法的可行性，将实验结果与BP神经网络识别方法和线性神经网络识别方法进行对比，得出该方法在不同识别次数下，识别误差值均小于其他两种方法的结果，能够有效提高图像智能识别的精准度。
- 单位
