人工神经网络在机器人上的研究与应用

论文摘要

本论文以机器人视觉识别系统为出发点,进行神经网络在机器人上的研究。根据机器人视觉识别系统所要完成的具体识别任务,构建一个基于神经网络的视觉识别系统。本文通过对系统功能的研究,结合神经网络、机器视觉、图像识别和图像处理等技术,根据模块化思想,将基于神经网络的视觉识别系统划分为输入信息处理系统和神经网络识别器两部分,并对这两部分分别进行研究、设计和实现。具体的研究内容如下:第一、系统论述了数字图像的二维图像灰度化、图像增强技术中的中值滤波,图像分割等技术。采用一种改进的中值滤波算法增强图像,并采用迭代式求图像最佳阀值算法实现了图像的二值化分割。在图像处理的基础上,定义了一些图像特征,研究了特征量的计算方法并加以实现,给出了实验结果。第二、神经网络别器的设计。通过对神经网络的研究,选择了一种神经网络模型,分析神经网络的相关参数的确定原则及神经网络的BP学习算法。根据BP算法中的缺点,提出对BP算法的改进方法,采用改进BP算法对神经网络识别器加以实现。本文用VC++6.0对上面的内容进行实现。对样本图像的识别表明,基于神经网络的视觉识别系统可以快速的对训练样本中的模式进行识别。为机器人视觉的构建提供参考。

论文目录

• 摘要
• Abstract
• 第1章 绪论
• 1.1 课题背景及意义
• 1.1.1 课题背景
• 1.1.2 论文研究的意义
• 1.2 相关技术的发展现状
• 1.2.1 神经网络研究现状
• 1.2.2 机器视觉研究现状
• 1.2.3 模式识别技术研究现状
• 1.2.4 数字图像处理研究现状
• 1.3 论文研究的主要内容及结构安排
• 1.3.1 本文研究内容
• 1.3.2 本文结构安排
• 第2章 基于神经网络的视觉识别系统的总体设计
• 2.1 系统总体功能划分
• 2.2 系统总工作流程
• 2.3 本章小结
• 第3章 基于神经网络的视觉识别系统输入信息的研究
• 3.1 图像处理
• 3.1.1 图像灰度化
• 3.1.2 图像增强
• 3.1.3 图像分割
• 3.2 特征空间
• 3.2.1 特征选择
• 3.2.2 特征提取
• 3.2.3 特征量的计算
• 3.2.4 特征量的统一化
• 3.3 本章小结
• 第4章 基于神经网络的视觉识别器的设计与实现
• 4.1 神经网络的选择
• 4.2 BP 网络分类器的设计
• 4.2.1 BP 网络中参数的选择
• 4.2.2 BP 网络学习算法分析
• 4.2.3 BP 网络学习算法的改进
• 4.3 BP 网络分类器关键部分的实现
• 4.3.1 BP 网络采用的数据结构
• 4.3.2 BP 网络的训练函数
• 4.4 本章小结
• 第5章 基于神经网络的识别系统的识别过程及应用
• 5.1 基于神经网络的视觉识别系统的识别过程
• 5.2 基于神经网络的视觉识别系统在机器人视觉上的应用
• 5.3 本章小结
• 结论
• 工作总结
• 下一步工作与展望
• 参考文献
• 攻读硕士学位期间发表的论文和获得的科研成果
• 致谢
• 详细摘要