基于神经网络的二维不变性目标识别方法

提出了一种基于多层前馈神经网络的二维不变性目标识别方法。利用傅里叶描述器提取具有旋转、平移及尺度不变性的目标形状特征。由于所识别的工业工具具有一个自由度,它们的形状有一定的动态变化范围,导致同一目标的形状特征矢量的不唯一性。文中采用含有两个隐层的多层前馈网络学习及识别这些特征矢量。在实验中,对四类机械工具进行测试,并将所提出方法与最近邻分类器进行比较。结果表明,具有反向传播(BP)学习算法的多层前馈网络对噪音和形状特征变化具有鲁棒性,且它还能判断未训练样本。