BP神經(jīng)網(wǎng)絡(luò)在圖像處理中的應(yīng)用

吳思涵 趙楠楠

（遼寧科技大學(xué)電子與信息工程學(xué)院 遼寧省鞍山市 114051）

1 引言

數(shù)字圖像處理技術(shù)往往伴隨著計算機(jī)的發(fā)展而發(fā)展，比如現(xiàn)階段的第五代計算機(jī)就可以模擬人腦的神經(jīng)元網(wǎng)絡(luò)以及一些其他的腦功能，進(jìn)而大大地提高計算機(jī)的處理速度和計算精度[1]。該種技術(shù)應(yīng)用在數(shù)字圖像識別中，就衍化為了BP神經(jīng)網(wǎng)絡(luò)以及其他一些功能，使得處理的過程更加高效、快捷[2]。本文將MATLAB軟件作為圖像處理的工具，設(shè)計了數(shù)字圖像處理的整個過程。在研究了相關(guān)文獻(xiàn)后，運(yùn)用相關(guān)算法對圖像進(jìn)行一系列處理。本設(shè)計主要由圖像讀取、圖像背景提取、圖像二值化、圖像分割、數(shù)字識別等步驟構(gòu)成，通過對圖像的一系列處理，最終將圖片中的數(shù)字圖像轉(zhuǎn)變?yōu)槭M(jìn)制的計算機(jī)語言輸出出來。

2 圖像預(yù)處理

2.1 灰度化

圖像的灰度化就是將圖像的RGB值轉(zhuǎn)換[0,255]的灰度值[3]，其中R代表紅色，G代表綠色，B代表藍(lán)色，“0”代表純黑色，“255”代表純白色，在此范圍內(nèi)就是從黑到白的過渡色，圖像的灰度化一般采用rgb2gray指令，比如：

I=imread(‘1.bmp’);

Gray=rgb2gray(I);

就是將彩色圖片‘1.bmp’轉(zhuǎn)變?yōu)榛叶葓D片，可以調(diào)用impixelinfo來查看每個像素點(diǎn)的灰度值，轉(zhuǎn)變過程如圖1所示。

圖1：圖片灰度化過程

2.2 二值化

由于本設(shè)計需要將圖片中的字母與數(shù)字與圖片背景分離，所以對圖像進(jìn)行二值化，將圖片中的不相關(guān)背景灰度值設(shè)定為純白，即255，將有用的信息設(shè)置為0，形成非黑即白的黑白圖像，方便后期的分割，圖像的二值化一般采用im2bw指令，但是由于人為給定的閾值并不總是特別可行，所以需要調(diào)用MATLAB工具箱中的graythresh函數(shù)，graythresh函數(shù)使用最大類間方差法獲取閾值，極大的提高了提取的有效性。

level=graythresh(I); %用graythresh函數(shù)計算灰度值的門檻

bw2=im2bw(I,level);

2.3 圖像分割

圖像分割是圖像預(yù)處理過程中特別重要的過程，當(dāng)然也是比較復(fù)雜的過程，只有分割正確，最后的識別才有可能正確[4]。進(jìn)行分割一般依據(jù)的是圖形像素點(diǎn)的亮度以及顏色對比，所以需要排除諸多干擾因素，例如，色彩分布不均勻、噪聲、圖片背景與所需信息的對比度不明顯等，因此圖像分割技術(shù)一直在不斷地完善，不斷糾正分割中產(chǎn)生的錯誤?，F(xiàn)階段圖像分割有多種方法，如：閾值分割方法、邊緣檢測法以及直方圖法。本設(shè)計主要采用閾值分割[5]的方法.閾值分割是圖像分割過程中經(jīng)常使用的方法，它是圖像分割中使用最廣泛的一類，通過對圖像像素點(diǎn)的統(tǒng)計，找出突變的點(diǎn)，進(jìn)而設(shè)置合適的閾值點(diǎn)，以此來將圖片分割為一塊一塊的區(qū)域，閾值分割的關(guān)鍵就是閾值的設(shè)置，閾值的數(shù)值直接關(guān)系到分割的質(zhì)量。閾值分割的優(yōu)點(diǎn)計算簡單、運(yùn)行速度快、效率高[6]，適合本設(shè)計的需求。

本設(shè)計先通過對每一列的數(shù)值的統(tǒng)計，將統(tǒng)計結(jié)果存入histogram數(shù)組，然后對數(shù)組內(nèi)數(shù)值進(jìn)行分析，設(shè)定閾值，由于閾值不可能完全準(zhǔn)確，為了盡可能將圖片分割準(zhǔn)確，所以后期添加條件語句將不符合的列刪除，最終將圖片分割為一列一列單獨(dú)的區(qū)域。

根據(jù)閾值分割后，將字符左右邊界數(shù)據(jù)存儲，如“I”所在列左邊界=15，右邊界=31，通過指令imshow(bw( 1:y,15:31))就可以將“I”所在列截取出來，同理，可以將其他列截取出。

3 BP神經(jīng)網(wǎng)絡(luò)

字符識別是圖像識別過程中最重要的過程，識別模式有三種，第一種結(jié)構(gòu)模式識別，它依據(jù)字符的特征進(jìn)行識別，抗干擾能力較差[7]，第二種統(tǒng)計模式識別，統(tǒng)計模式主要是通過統(tǒng)計字符的某一特征，設(shè)計出識別的規(guī)則。第三種混合識別，經(jīng)過實(shí)際的帶入操作，本設(shè)計最終選取了混合模式來識別字符[8]?；旌献R別又分為兩類，網(wǎng)絡(luò)化特征與BP神經(jīng)網(wǎng)絡(luò)。

BP神經(jīng)網(wǎng)絡(luò)是目前應(yīng)用最廣泛的神經(jīng)網(wǎng)絡(luò)，它實(shí)質(zhì)上就是一種“誤差逆?zhèn)鞑シ答仭彼惴?，采用最速下降法，通過反方向傳播不斷自動調(diào)整輸入層和隱含層的權(quán)值，盡可能能消除誤差。其原理圖如圖2所示。

圖2：神經(jīng)網(wǎng)絡(luò)原理圖

其工作原理如下：

（1）將x1、x2、x3、...、xm作為輸入層數(shù)據(jù)。

（2）通過公式（1）：

得出一組數(shù)據(jù)s1、s2、s3、...、sn。

（3）通過激活函數(shù)θ，將s1、s2、s3、...、sn變?yōu)樽鳛殡[含層的輸入。

激活函數(shù)一般為sigmoid函數(shù)，比如可以使用log-sigmoid，見式（2）：

（4）根據(jù)公式（3）：

得到另一組數(shù)據(jù)s1、s2、s3、...、sk，在通過激活函數(shù)，得出輸出y1、y2、...、yk。

（5）根據(jù)輸出結(jié)果之間的差即誤差e，將誤差向前傳播得出隱含層誤差繼續(xù)將隱含層誤差向前傳播，得到輸入層誤差。

（6）根據(jù)誤差數(shù)據(jù)，調(diào)整權(quán)重，循環(huán)往復(fù)，直至誤差達(dá)到要求。

本設(shè)計輸入數(shù)據(jù)有：0-9，a-z(缺少o),A-Z(C、O、P、S、U、V、W、X、Z以小寫字母為準(zhǔn))，共52個輸入字符，利用eye(52,52)作為輸出，以數(shù)字‘4’舉例：首先將經(jīng)過二值化和歸一化后的二維矩陣轉(zhuǎn)化為一個一維矩陣，由于設(shè)定圖片尺寸為110*50，所以轉(zhuǎn)化后則變成了一個1*6050的一維矩陣，存入I1數(shù)組中，其他字符相同方式處理，得到I1、I2、I3、...、I52，將之作為輸入P，eye(52,52)作為輸出T，用newff指令建立BP網(wǎng)絡(luò)，部分代碼如下：

net=newcf(P,T,100,{'logsig','logsig','logsig'},'trainrp');

net.trainparam.epochs=500; %網(wǎng)絡(luò)的最大訓(xùn)練次數(shù)

net.trainparam.show=50;

net.trainparam.goal=0.005; %目標(biāo)誤差

net=init(net);

[net,tr]=train(net,P,T); %建立網(wǎng)絡(luò)

T0=sim(net,p);%T0輸入神經(jīng)網(wǎng)絡(luò)得到的輸出，T0為52x1的列向量

T1=compet(T0);% 找出最大值的列

k=find(T1==1); %將數(shù)值為1的行對應(yīng)的位置存儲到變量k

4 仿真分析

為方便觀察，將圖片大小均設(shè)置為11*5，以最后一張字符圖片數(shù)字“4”為例，訓(xùn)練過程，先將待識別圖片轉(zhuǎn)化為一維矩陣，再將圖片庫內(nèi)的52張字符圖片轉(zhuǎn)化為一維矩陣存入P， 利用eye(52,52)建立52*52的矩陣，數(shù)字“4”對應(yīng)第4行（000100000....），建立網(wǎng)絡(luò)，識別結(jié)果。如圖3所示。

圖3：神經(jīng)網(wǎng)絡(luò)識別結(jié)果

5 結(jié)論

本文對圖像處理進(jìn)行設(shè)計，經(jīng)過RGB圖像灰度化、二值化、字符分割、邊緣檢測、平滑去噪、字符識別等過程，基本可以實(shí)現(xiàn)簡單圖片與較復(fù)雜圖片的識別，不同于單列單行的字符識別，本文可以識別多行多列的段落，更加具有普適性，另外也不再對識別字符的字?jǐn)?shù)進(jìn)行限定，可以識別任意數(shù)量的字符圖片。