图像处理中选择哪种神经网络以实现图像识别方式

如何通过人工神经网络实现图像识别

人工神经网络（Artificial Neural Networks）（简称ANN）系统自20世纪40年代末诞生以来，仅经历了短短半个多世纪的发展，但由于其具备信息分布存储、并行处理及自学习能力等优势，已在信息处理、模式识别、智能控制以及系统建模等多个领域获得了日益广泛的应用。

特别是基于误差反向传播（Error BackPropagation）算法的多层前馈网络（Multiple-Layer Feedforward Network）（简称BP网络），能够以任意精度逼近任意连续函数，因此被广泛应用于非线性建模、函数逼近和模式分类等领域。

目标识别是模式识别领域中的一个传统课题。这是因为目标识别并非孤立存在的问题，而是模式识别中多数课题都会遇到的基本问题。在不同课题中，由于具体条件存在差异，解决方式也有所不同。因此目标识别的研究仍具有重要的理论和实践意义。

本文讨论的是将待识别的目标物体通过成像头（如红外或可见光等）采集后形成的图像信号序列输入计算机，并利用神经网络进行图像识别的问题。

一、BP神经网络BP网络采用Widrow-Hoff学习算