1、 position,400 300 500 400,.Name,基于BP神经网络的英文字母识别,.NumberTitleoffMenuBarnone);%画坐标轴对象,显示原始图像h0=axes(,0.1 0.6 0.3 0.3);%添加图像打开按钮h1=uicontrol(H,StylepushPosition,40 100 80 60,.String选择图片FontSize,10,.Callop%画坐标轴对象,显示经过预处理之后的图像h2=axes(,0.5 0.6 0.3 0.3);%添加预处理按钮h3=uicontrol(H,140 100 80 60,.二值化preprocess%添
2、加识别按钮h4=uicontrol(H,240 100 80 60,.字母识别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,340 100 80 60,.网络训练Example1Tr%预处理%preprocessp1=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(si
3、ze(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for kk=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,b
4、mp%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:%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:
5、p1=-1.*p1+ones(16,16); %将p1转换成输入向量 for m=0:15 p(m*16+1:(m+1)*16,kk+1)=p1(1:16,m+1); endend%形成目标向量M-1 for ii=0:25 t(kk+ii+1)=ii;%设置输入向量围pr(1:256,1)=0;256,2)=1;%创建两层BP神经网络,隐层有25个节点net=newff(pr,25 1,logsigpurelin,traingdxlearngdmnet.trainParam.epochs=2500;net.trainParam.goal=0.001;net.trainParam.show=1
6、0;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(,0.75 0.75 0.75,.,200 200 400 200,.基于BP神经网络的英文字母识别结果M0=uicontrol(M,150 80 130 40,.请先训练网络,12,.calldelete(M(1) ); for m=0: q(m*16+1:(m+1)*16,1)=p1(1:%识别a,Pf,Af=sim(net,q);a=round(a);switch a case 0,M0=uicontro
7、l(M,这个字母是Adelete(M(1) case 1,M0=uicontrol(M,这个字母是B case 2,M0=uicontrol(M,这个字母是C case 3,M0=uicontrol(M,这个字母是D case 4,M0=uicontrol(M,这个字母是E case 5,M0=uicontrol(M,这个字母是F case 6,M0=uicontrol(M,这个字母是G case 7,M0=uicontrol(M,这个字母是H case 8,M0=uicontrol(M,这个字母是I case 9,M0=uicontrol(M,这个字母是J case 10,M0=uicont
8、rol(M,这个字母是K case 11,M0=uicontrol(M,这个字母是L case 12,M0=uicontrol(M,这个字母是M case 13,M0=uicontrol(M,这个字母是N case 14,M0=uicontrol(M,这个字母是O case 15,M0=uicontrol(M,这个字母是P case 16,M0=uicontrol(M,这个字母是Q case 17,M0=uicontrol(M,这个字母是R case 18,M0=uicontrol(M,这个字母是S case 19,M0=uicontrol(M,这个字母是T case 20,M0=uicont
9、rol(M,这个字母是U case 21,M0=uicontrol(M,这个字母是V case 22,M0=uicontrol(M,这个字母是W case 23,M0=uicontrol(M,这个字母是X case 24,M0=uicontrol(M,这个字母是Y case 25,M0=uicontrol(M,这个字母是ZEnd%op%读取图像文件filename,pathname=uigetfile(*.bmp;*.jpg.*.gif*.*,.Pick an Image FileX=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。
copyright@ 2008-2022 冰豆网网站版权所有
经营许可证编号:鄂ICP备2022015515号-1