基于神经网络的图像识别技术在机器人视觉系统中的应用

《基于神经网络的图像识别技术在机器人视觉系统中的应用》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、山东大学硕士学位论文摘要‘随着计算机和通讯技术的发展，在智能机器人系统中，环境感知与定位、路径规划和运动控制等功能模块趋向于分布式的解决方案，从而各个功能模块并行执行，提高了系统的实时性和稳定性“埘。在环境感知环节，视觉处理是关键。本论文在研究机器视觉理论的基础上，根据智能机器人视觉系统所要完成的具体识别任务，运用数字图像处理技术对获得的图像进行处理，然后用神经网络法进行识别。对于智能机器人，根据具体要求，可以对不同的物体或图像命令进行识别，在本系统中，机器人要对数字和手势两种图像命令进行识别，主要研究了机器人对数字和手势图像的不同处理方法，一并以Vis

2、ualC++6．0为平台，进行了图像识别的软件设计．具体来讲，本论文主要完成了以下工作：首先，详细介绍了机器视觉和数字图像处理的基础理论、当前的发展现状及一应用情况，并讨论了二者结合的必要性、可行性。其次，研究了图像识别的几种方法(统计模式识别、句法模式识别、神经网络法)。由于神经网络技术具有很强的自适应性、学习性和容错性，因此被广泛应用于各个领域。在本论文中，充分利用了神经网络的以上特点，将其应用于图像识别中，实现了对图像命令的识别。深入研究了人工神经网络的工作原理、结构设计及其在图像识别应用中应注意的问题和改进方法。‘再次，详细研究了对不同图像所采用

3、的不同处理方法。在本论文中，对字符图像，主要涉及到对真彩色图像的灰度化处理、二值化处理、字符的提取、校正、归一化处理。针对图像倾斜的情况，首先进行边缘检测，根据检测结果，再用霍夫变换法对图像进行倾斜度纠正。对手部图像，在YUV域中，首先将待识别图像从复杂背景中划分出来，这样再进一步处理，然后利用神经网络法进行识别。对以上两种图像，本论文都获得了较好的识别效果。最后，给出了部分实验中获得的图像，并对实验结果进行了分析，指出了本论文存在的问题以及今后继续研究改进的方向。关键词机器视觉；图像处理；图像识别；人工神经网络ABSTRACTWiththedevelo

4、pmentofcomputerandcommunicationtechnology，eachmodule，suchasenvironmentsensing，directiondeciding，routeplanningandmovementcontrollingmoduleinthesystemofintelligentrobot，isresolvedrespectively．Sothesemodulescanworksimultaneouslyandthewholesystem’sreal—timeandstabilityareimproved．Asf

5、orenvironmentsensing，visionprocessingiskeyfactor．Onthebaseofresearchingthetheoryofmachinevisionandasperspecificrecognitiontaskassignedtotherobot，thepaperdiscussesimageprocessingmethodbyusingdigitalimageprocessingtechnology，andthentherecognitionofprocessedimagesbyusingneuralnetwor

6、ks．Intelligentrobotcanrecognizedifferentobjectsorimagecomendsasperrequest．Inthissystem,robotwillidentifytwokindsofimagecommands：characterandgesture，Inordertoimplementthistask，thepaperstudiestwodifferentprocessingmethods，withrelevantsoftwareprogrammedwithVC十+6．0．Detailsareasfollow

7、s：Firstly，basicprinciple，currentdevelopment，applicationofmachinevisionandimageprocessing＆recognitionaredescribedindetails。aswellasnecessityandfeasibilityoftheirintegration．Secondly，severalmethodsofimagerecognition，includingStatisticalPatternRecognition，SyntaxPatternRecognition，Ne

8、uralNetworkarestudiedinthispaper．Neuraln