实验七基于某神经网络地模式识别实验.docx
《实验七基于某神经网络地模式识别实验.docx》由会员分享,可在线阅读,更多相关《实验七基于某神经网络地模式识别实验.docx(15页珍藏版)》请在冰豆网上搜索。
![实验七基于某神经网络地模式识别实验.docx](https://file1.bdocx.com/fileroot1/2023-2/2/db0c4709-b784-48e5-bcee-3783e5ca6965/db0c4709-b784-48e5-bcee-3783e5ca69651.gif)
实验七基于某神经网络地模式识别实验
实验七:
基于神经网络的模式识别实验
一、实验目的
理解BP神经网络和离散Hopfield神经网络的结构和原理,掌握反向传播学习算法对神经元的训练过程,了解反向传播公式。
通过构建BP网络和离散Hopfield网络模式识别实例,熟悉前馈网络和反馈网络的原理及结构。
综合掌握模式识别的原理,了解识别过程的程序设计方法。
二、实验容
熟悉模式识别的理论方法,用选择一种合适的识别方法,对图像中的字符(英文字母)进行识别,能够区分出不同的形态的26个字母。
在Matlab中,采用BP神经网络,对读取的数据进行训练,进而识别。
1.程序设计
(1)程序各流程图
实验中主程序流程图如图4-1所示:
图4-1主程序流程图
其中图像预处理的流程如图4-2所示:
图4-2图像预处理的流程
神经网络训练的具体流程如图4-3所示:
图4-3神经网络训练流程
(2)程序清单
%形成用户界面
clearall;
%添加图形窗口
H=figure('Color',[0.850.850.85],...
'position',[400300500400],...
'Name','基于BP神经网络的英文字母识别',...
'NumberTitle','off',...
'MenuBar','none');
%画坐标轴对象,显示原始图像
h0=axes('position',[0.10.60.30.3]);
%添加图像打开按钮
h1=uicontrol(H,'Style','push',...
'Position',[401008060],...
'String','选择图片',...
'FontSize',10,...
'Call','op');
%画坐标轴对象,显示经过预处理之后的图像
h2=axes('position',[0.50.60.30.3]);
%添加预处理按钮
h3=uicontrol(H,'Style','push',...
'Position',[1401008060],...
'String','二值化',...
'FontSize',10,...
'Call','preprocess');
%添加识别按钮
h4=uicontrol(H,'Style','push',...
'Position',[2401008060],...
'String','字母识别',...
'FontSize',10,...
'Call','recognize');
%添加显示识别结果的文本框
%添加训练神经网络按钮
h6=uicontrol(H,'Style','push',...
'Position',[3401008060],...
'String','网络训练',...
'FontSize',10,...
'Call','Example1Tr');
%预处理
%preprocess
p1=ones(16,16);
bw=im2bw(X,0.5);%转换成二值图像
%用矩形框截取图像
[i,j]=find(bw==0);
imin=min(i);
imax=max(i);
jmin=min(j);
jmax=max(j);
bw1=bw(imin:
imax,jmin:
jmax);
%调整比例,变换成16*16图像
rate=16/max(size(bw1));
bw1=imresize(bw1,rate);
[i,j]=size(bw1);
i1=round((16-i)/2);
j1=round((16-j)/2);
p1(i1+1:
i1+i,j1+1:
j1+j)=bw1;
p1=-1.*p1+ones(16,16);
%显示预处理的结果
axes(h2);
imshow(p1);
%Example1Tr,训练网络
M=1;%人数
N=26*M;%样本数
%获取26个大写字母图像的数据
forkk=0:
N-1
p1=ones(16,16);%初始化16*16的二值图像(全白)
m=strcat(int2str(kk),'.bmp');%形成文件名
x=imread(m,'bmp');%读取图像
bw=im2bw(x,0.5);%转换成二值图像数据
%用矩形框截取
[i,j]=find(bw==0);%查找像素为黑的坐标
%取边界坐标
imin=min(i);
imax=max(i);
jmin=min(j);
jmax=max(j);
bw1=bw(imin:
imax,jmin:
jmax);%截取
%调整比例,缩放成16*16的图像
rate=16/max(size(bw1));
bw1=imresize(bw1,rate);%会存在转换误差
%将bw1转换成标准的16*16图像p1
[i,j]=size(bw1);
i1=round((16-i)/2);
j1=round((16-j)/2);
p1(i1+1:
i1+i,j1+1:
j1+j)=bw1;
p1=-1.*p1+ones(16,16);
%将p1转换成输入向量
form=0:
15
p(m*16+1:
(m+1)*16,kk+1)=p1(1:
16,m+1);
end
end
%形成目标向量
forkk=0:
M-1
forii=0:
25
t(kk+ii+1)=ii;
end
end
%设置输入向量围
pr(1:
256,1)=0;
pr(1:
256,2)=1;
%创建两层BP神经网络,隐层有25个节点
net=newff(pr,[251],{'logsig''purelin'},'traingdx','learngdm');
net.trainParam.epochs=2500;
net.trainParam.goal=0.001;
net.trainParam.show=10;
net.trainParam.lr=0.05;
%训练神经网络
net=train(net,p,t);
%存储训练好的神经网络
%recognize,字符识别
%生成向量形式
M=figure('Color',[0.750.750.75],...
'position',[200200400200],...
'Name','基于BP神经网络的英文字母识别结果',...
'NumberTitle','off',...
'MenuBar','none');
M0=uicontrol(M,'Style','push',...
'Position',[1508013040],...
'String','请先训练网络',...
'FontSize',12,...
'call','delete(M
(1))');
form=0:
15
q(m*16+1:
(m+1)*16,1)=p1(1:
16,m+1);
end
%识别
[a,Pf,Af]=sim(net,q);
a=round(a);
switcha
case0,M0=uicontrol(M,'Style','push',...
'Position',[1508013040],...
'String','这个字母是A',...
'FontSize',12,...
'call',...
'delete(M
(1))');
case1,M0=uicontrol(M,'Style','push',...
'Position',[1508013040],...
'String','这个字母是B',...
'FontSize',12,...
'call',...
'delete(M
(1))');
case2,M0=uicontrol(M,'Style','push',...
'Position',[1508013040],...
'String','这个字母是C',...
'FontSize',12,...
'call',...
'delete(M
(1))');
case3,M0=uicontrol(M,'Style','push',...
'Position',[1508013040],...
'String','这个字母是D',...
'FontSize',12,...
'call',...
'delete(M
(1))');
case4,M0=uicontrol(M,'Style','push',...
'Position',[1508013040],...
'String','这个字母是E',...
'FontSize',12,...
'call',...
'delete(M
(1))');
case5,M0=uicontrol(M,'Style','push',...
'Position',[1508013040],...
'String','这个字母是F',...
'FontSize',12,...
'call',...
'delete(M
(1))');
case6,M0=uicontrol(M,'Style','push',...
'Position',[1508013040],...
'String','这个字母是G',...
'FontSize',12,...
'call',...
'delete(M
(1))');
case7,M0=uicontrol(M,'Style','push',...
'Position',[1508013040],...
'String','这个字母是H',...
'FontSize',12,...
'call',...
'delete(M
(1))');
case8,M0=uicontrol(M,'Style','push',...
'Position',[1508013040],...
'String','这个字母是I',...
'FontSize',12,...
'call',...
'delete(M
(1))');
case9,M0=uicontrol(M,'Style','push',...
'Position',[1508013040],...
'String','这个字母是J',...
'FontSize',12,...
'call',...
'delete(M
(1))');
case10,M0=uicontrol(M,'Style','push',...
'Position',[1508013040],...
'String','这个字母是K',...
'FontSize',12,...
'call',...
'delete(M
(1))');
case11,M0=uicontrol(M,'Style','push',...
'Position',[1508013040],...
'String','这个字母是L',...
'FontSize',12,...
'call',...
'delete(M
(1))');
case12,M0=uicontrol(M,'Style','push',...
'Position',[1508013040],...
'String','这个字母是M',...
'FontSize',12,...
'call',...
'delete(M
(1))');
case13,M0=uicontrol(M,'Style','push',...
'Position',[1508013040],...
'String','这个字母是N',...
'FontSize',12,...
'call',...
'delete(M
(1))');
case14,M0=uicontrol(M,'Style','push',...
'Position',[1508013040],...
'String','这个字母是O',...
'FontSize',12,...
'call',...
'delete(M
(1))');
case15,M0=uicontrol(M,'Style','push',...
'Position',[1508013040],...
'String','这个字母是P',...
'FontSize',12,...
'call',...
'delete(M
(1))');
case16,M0=uicontrol(M,'Style','push',...
'Position',[1508013040],...
'String','这个字母是Q',...
'FontSize',12,...
'call',...
'delete(M
(1))');
case17,M0=uicontrol(M,'Style','push',...
'Position',[1508013040],...
'String','这个字母是R',...
'FontSize',12,...
'call',...
'delete(M
(1))');
case18,M0=uicontrol(M,'Style','push',...
'Position',[1508013040],...
'String','这个字母是S',...
'FontSize',12,...
'call',...
'delete(M
(1))');
case19,M0=uicontrol(M,'Style','push',...
'Position',[1508013040],...
'String','这个字母是T',...
'FontSize',12,...
'call',...
'delete(M
(1))');
case20,M0=uicontrol(M,'Style','push',...
'Position',[1508013040],...
'String','这个字母是U',...
'FontSize',12,...
'call',...
'delete(M
(1))');
case21,M0=uicontrol(M,'Style','push',...
'Position',[1508013040],...
'String','这个字母是V',...
'FontSize',12,...
'call',...
'delete(M
(1))');
case22,M0=uicontrol(M,'Style','push',...
'Position',[1508013040],...
'String','这个字母是W',...
'FontSize',12,...
'call',...
'delete(M
(1))');
case23,M0=uicontrol(M,'Style','push',...
'Position',[1508013040],...
'String','这个字母是X',...
'FontSize',12,...
'call',...
'delete(M
(1))');
case24,M0=uicontrol(M,'Style','push',...
'Position',[1508013040],...
'String','这个字母是Y',...
'FontSize',12,...
'call',...
'delete(M
(1))');
case25,M0=uicontrol(M,'Style','push',...
'Position',[1508013040],...
'String','这个字母是Z',...
'FontSize',12,...
'call',...
'delete(M
(1))');
End
%op
%读取图像文件
[filename,pathname]=uigetfile({'*.bmp';'*.jpg';...
'*.gif';'*.*'},...
'PickanImageFile');
X=imread([pathname,filename]);
%显示图像
axes(h0);%将h0设置为当前坐标轴句柄
imshow(X);%在h0上显示原始图像
2.实验结果
图5-1为实验的主窗口,用于选择图片,进行二值化,网络训练和字符识别。
运行程序后,将弹出次窗口,选择图片后,先进行二值化处理,然后在进行网络训练,最后字符识别。
图5-1主窗口
图5-2网络训练
图5-3字符识别结果
三、实验体会
理解了BP神经网络和离散Hopfield神经网络的结构和原理,掌握了反向传播学习算法对神经元的训练过程,了解了反向传播公式。
通过构建了BP网络和离散Hopfield网络模式识别的实例,熟悉了前馈网络和反馈网络的原理及结构。
掌握了模式识别的原理,了解了识别过程的程序设计方法。