神經(jīng)網(wǎng)絡(luò)圖像識別技術(shù)研究與企業(yè)應(yīng)用

摘要：圖像識別技術(shù)在曾經(jīng)的年代里，很多是基于龐大的計算規(guī)模的基礎(chǔ)之上的，不可調(diào)和的矛盾普遍存在于運算量和運算精度之間。近年來為解決這一問題提供了新的途徑，那就是人工神經(jīng)網(wǎng)絡(luò)技術(shù)。分布式的新型信息儲存時間和大規(guī)模的應(yīng)對范圍，對目標圖像實時處理提出了更高的要求。在容錯率需維持較高水平的前提下，背景殘缺和局部不清晰的情況層出不窮。企業(yè)級應(yīng)用集成是基于企業(yè)內(nèi)外部的總分式流程，并且將系統(tǒng)硬件軟件結(jié)合起來，創(chuàng)造出了無縫集成技術(shù)。企業(yè)應(yīng)用集成可以另系統(tǒng)像一個統(tǒng)一完全體一樣，同時進行業(yè)務(wù)和信息的處理工作。

關(guān)鍵詞：神經(jīng)網(wǎng)絡(luò) 圖像識別 企業(yè)應(yīng)用

中圖分類號：TP183 文獻標識碼：A 文章編號：1007-9416（2016）10-0124-01

1 神經(jīng)網(wǎng)絡(luò)的發(fā)展、應(yīng)用及其特點

現(xiàn)代計算機的應(yīng)用前提下，計算和信息處理能力均較高，但感知能力和復(fù)雜環(huán)境中的判斷能力均不如人類，并且短期內(nèi)難以實施。特別是，缺乏在特定環(huán)境的學(xué)習(xí)和適應(yīng)能力，只能按照一定的程序進行分解及工作、執(zhí)行。本世紀初，人們對于人類大腦的工作方式已經(jīng)有了一定程度的了解，有著非常大的規(guī)模的基本單元，被稱為神經(jīng)元，這些經(jīng)過高度復(fù)雜的統(tǒng)一結(jié)合，形成復(fù)雜的、非線性、平行處理的信息綜合處理系統(tǒng)，這和當代的計算機處理方式是完全不同的。單個的神經(jīng)元的反應(yīng)速度比起類似計算機的基本單元邏輯反應(yīng)時間，是毫秒級別的。

1.1 圖像識別及分類技術(shù)概況

隨著計算機技術(shù)和數(shù)字圖像處理技術(shù)的發(fā)展，為了滿足當前迫切需要，通過對機器視覺設(shè)備所獲得的圖像識別和分類，己成為當前的迫切需要。研制機器的視覺系統(tǒng)是圖像識別的最終目的。因此，他們自行區(qū)別分類是可能的。通過一些手段使各類圖像的重要顯性數(shù)據(jù)通過一定的數(shù)值來表示出來，除了對圖像進行數(shù)據(jù)化處理之外，通常特征范圍的提取工作也是必要的。但反應(yīng)某一類特征時，計算工作的繁雜、內(nèi)容的龐大，為計算帶來了很大壓力的同時，產(chǎn)生了不精確的可能，難免有一些誤差。所以進一步的工作量需要對特征進行選擇與處理，減小特征值的誤差而保留圖像特征信息，這種找出比原來特征數(shù)目少而精的綜合指標的方法稱之為特征選擇。

1.2 神經(jīng)網(wǎng)絡(luò)應(yīng)用于圖像識別技術(shù)的現(xiàn)況

在世界范圍內(nèi)掀起了探索和研究神經(jīng)網(wǎng)絡(luò)的熱潮，來自發(fā)展了的學(xué)習(xí)算法。目前國內(nèi)外研究較多的有字符識別技術(shù)、車牌識別技術(shù)、臉部識別技術(shù)、各種紙幣識別技術(shù)、印章識別技術(shù)及對一些軍事目標的識別等方面。人工神經(jīng)網(wǎng)絡(luò)的發(fā)展己滲透到各種研究領(lǐng)域，特別是在模式識別的圖像分類技術(shù)方面，所取得的應(yīng)用也日益增多。

2 圖像識別原理簡介

2.1 圖像識別系統(tǒng)

圖像模式識別系統(tǒng)的三個重要組成部分，有如下三種，第一是圖像有關(guān)信息的采集和收集，他等同于對被研究對象的深入了解和調(diào)查，取得有關(guān)數(shù)據(jù)后，進行整體的加工、修改、歸納、整合，并且進一步提出反應(yīng)其中特點的一些潛質(zhì)。最重要的一部分特點是將類似空間的映射量折射到空間中。相當于人類的感性和理性認識的轉(zhuǎn)換，并作出結(jié)論的過程。圖像識別系統(tǒng)如圖1所示。

2.2 模糊模式識別法

模糊特征，本質(zhì)就是根據(jù)一定的模糊化規(guī)則，經(jīng)過多重加工后，將圖像的一個特征或者一組特征分成多個模糊變量，使每個模糊變量能表達原特征的一部分特性。這些新的模糊特征取代原來的特征進行模式識別，提高了分類器的性能。

2.3 人工神經(jīng)網(wǎng)絡(luò)模式識別法

圖像輸入→預(yù)處理→特征提取→神經(jīng)網(wǎng)絡(luò)識別→識別結(jié)果。

3 神經(jīng)網(wǎng)絡(luò)圖像識別系統(tǒng)設(shè)計

3.1 網(wǎng)絡(luò)分類器的設(shè)計

新的性能指標函數(shù)，通過反復(fù)使用，可以在保證網(wǎng)絡(luò)誤差盡可能小的情況下使網(wǎng)絡(luò)具有較小的權(quán)值，使得網(wǎng)絡(luò)的有效權(quán)值盡可能少，這實際上相當于自動縮小了網(wǎng)絡(luò)的規(guī)模。

3.2 樣本的選擇及組織

選擇標準且合理的樣本，對提高網(wǎng)絡(luò)的學(xué)習(xí)速度、使網(wǎng)絡(luò)具有良好的識別精度都有著舉足輕重的作用。本實驗中，樣本的選擇可以遵循以下原則，當網(wǎng)絡(luò)用于分類屬性時，首先選取各類的樣本進行訓(xùn)練，在使網(wǎng)絡(luò)的總體性能不高時，另一方面可以大幅度提高訓(xùn)練程序速度，避免網(wǎng)絡(luò)陷入癱瘓。如此反復(fù)，結(jié)果會使網(wǎng)絡(luò)產(chǎn)生振蕩。要使網(wǎng)絡(luò)對模式的旋轉(zhuǎn)、伸縮等具有不變性，因為網(wǎng)絡(luò)并不具有不變識別的能力，所以就要選擇各種可能情況的樣本，這樣可以保證網(wǎng)絡(luò)具有比較高的識別率。

4 傳統(tǒng)企業(yè)應(yīng)用技術(shù)分析

無限制地共享數(shù)據(jù)和業(yè)務(wù)處理是企業(yè)應(yīng)用集成（EAI）是指企業(yè)內(nèi)部和企業(yè)之間的任何相連的應(yīng)用之間。公共對象請求代理體系結(jié)構(gòu)（CORBA）、分布式組件對象模型（DCOM）和遠程方法調(diào)用是傳統(tǒng)的系統(tǒng)集成方式。目前用的比較多的集成方式是 Web Services。

5 結(jié)語

本文首先綜述了人工神經(jīng)網(wǎng)絡(luò)的發(fā)展、應(yīng)用、特點和神經(jīng)網(wǎng)絡(luò)應(yīng)用于圖像識別技術(shù)的現(xiàn)況。重點介紹了目前在目標識別中用的最多的前饋神經(jīng)網(wǎng)絡(luò)模型及其采用的算法的同時，介紹了圖像識別原理和幾種模式識別常用的神經(jīng)網(wǎng)絡(luò)模型。

隨著有關(guān)研究的不斷深入、計算機運行技術(shù)、數(shù)字圖像處理技術(shù)的發(fā)展，對機器視覺設(shè)備信息操作，所獲得的圖像識別和分類已成為當前的迫切需要。

目前所做的工作離實用要求的距離還有很大的距離。不過，結(jié)合企業(yè)實際情況設(shè)計了基于ESB的企業(yè)應(yīng)用集成技術(shù)。這一課題必然會得到較好的解決。

參考文獻

[1]袁建國，高亮，劉向軍等.需求鏈管理的研究.中國機械工程，2003，14：89-93.

[2]孫晉文，肖建國.企業(yè)應(yīng)用集成與基于Web Services 的構(gòu)架應(yīng)用.計算機工程與應(yīng)用，2003，8：25-29.

收到日期：2016-09-02

作者簡介：宋學(xué)超（1988—），男，遼寧沈陽人，本科，畢業(yè)于沈陽航空航天大學(xué)計算機科學(xué)與技術(shù)（機器翻譯），研究方向：視覺傳達，人機交互，藝

術(shù)設(shè)計教育。