基于神经网络的地图数字注记识别.pdf

《基于神经网络的地图数字注记识别.pdf》由会员上传分享，免费在线阅读，更多相关内容在工程资料-天天文库。

1、第卷第期武汉测绘科技大学学报年月基于神经网络的地图数字注记识别刘少创林宗坚,摄,,的武汉侧绘科技大学影侧量与遥感系武汉市路喻路号摘要指出,论证了利用神经网络技术解了地图自动识别系统中地图数字注记识别存在的困难,并通过一个含有个隐藏,决这种困难的可能性层的网络说明了这种技术用于地图数字注记识别的可行性关,键词神经网络模式识别地图注记分,类号,地图数字注记的自动识别是地图识别系统研究的一项重要内容属于模式识别领域的字。,,符识别范畴目前在字符识别研究中使用最广泛的是光学字符识别即。其中的统计模式识别方法,、。方法注重数量特征便于特征

2、提取分析和计算但,,。是它将字符看成一种随机的二维点阵而没有考虑字符的结构特征和其提供的结构信息因,,。此这种方法对单一字符比较有效而对不同字体的字符识别效果则较差结构模式识别的方法是把待识别的模式看成由若干个比较简单的子模式构成的集合后者又可继续分解为若干,,个更简单的子模式最简单的子模式叫作基元任何模式都可以用一组基元及一定的组合关。,,系来描述由于字符含有丰富的结构信息可以设法提取含有这种信息的结构特征作为字符。,,。,识别的依据但是由于字符结构比较复杂在实际应用中仍有较大困难近年来出现了将统,,又。计和结构识别结合起来的

3、途径既吸收了统计识别的优点利用了字符的结构信息地。,图数字注记的识别是字符识别的一个特定方向由于问题本身的特殊性传统的。,、、、方法不能有效地解决这一问题首先地图数字注记的位置大小字体方向等有它自身的规,。,律传统的方法中有效的分割技术对此无能为力其次由于各种地图符号和线划与地图,,数字注记相混杂再加上图纸的质量差异和扫描输入时造成的变形等给传统的方法识。,,、别带来了很大的困难因此笔者认为地图数字注记的识别方法应该是一种具有自适应能力抗干扰、能够有效地解决数字注记分割、统计模式识别与结构模式识别相结合的方法。神经网络技术的运用

4、能够部分解决上述问题。神经网络具有以下几方面的优点·,。神经网络是自适应的它能从数据中自动地学习到解决问题的知识·,,。神经网络具有容错性既能够处理与训练集中相同的数据又能够处理不完整的数据·,,。神经网络是一个高度的非线性系统因此能够获取系统中复杂输入变量的相互关系·,。神经网络的信息处理是高度并行的大量的独立运算可以同时进行·神,经网络的识别方法可以看成是一种介于统计模式识别与结构模式识别之间的方法,。,既具有统计模式识别的优点又吸收了结构模式识别的长处从统计模式识别的角度来看它,可认为是一种估计概率分布的非参数方法从结构模

5、式识别的角度来看它是一种能够隐含地利用模式的结构信息的模式识别方法。,由于具备上述特点神经网络技术能够克服地图识别系统中传统方法所不能解决的收稿一刘,,,,现从事计算机视觉、。日期一少创男岁博士生神经网络及专家系统应用研究第期刘少创等基于神经网络的地图数字注记识别地图数字注记的识别问题。网络的结构和学习算法,〕利用网络川进行字符的识别已有不少人研究如,等将网络用于手写体邮政,。月编码的识别等用网络进行手写体字母和数字的识别,网络的基本结构是网络由不同层次的节点集合组成每一层节点的输出送到下一层。、。,节点这些输出值由于连接权不同

6、而被放大衰减或抑制除了输入层外每一节点的输入为前一层所有节点输出值的加权和。每一节点的激励输出值由节点输入、激励函数及阂值决定。,。,网络的学习算法其基本思想是学习算法它使用梯度搜索技术以期使网络的实际输出与期望输出的均方差最小。网络的学习是一种在误差反向传播的同时修正权的过程。学习过程应包括两个阶段前馈计算阶段和反向调整权阶段。网络的基本结构如图所示。设、、、,乞分别代表输入层隐藏层和输出层单元输入模式的,各分量作为输入层各节点的输入则隐藏层节点的输入值为,习、‘‘‘,其中代表隐藏层的神经元与输入层神经元之间的连接。,权为前一

7、层全部输出的线性加权和节点的输出值为、,,式中为节点的激励函数。可以选择如下的单调递增激励函数,一,隽。图网络的基本结构,,。。,上式中为神经元的闭值的作用是改变激励函数的形状图给出了这个函数的形状并说明了这些参数所起的作用。,在输出层中网络的节点输入为·,一习、,,一一,一较小的输出值为一一一一产较大的。一,。能,。在学习阶段网络输入为模式样本,一不几二,,一一网络修正自己的各个连接权值及各节,。点的阂值使网络的输出不断接近期望值年图激励函数,。。,一般来说系统的输出值俩与期望输出值弋,是不相等的对于每一个输入的模式样本平,方

8、误差为二砂。砂,‘甲一,而对于全部学习样本系统的均方误差为一六不“,”琴一,权值的改变应使误差沿梯度方向下降则武汉测绘科技大学学报年,,崛一毅了、了、甘衬一︵产、、、八晰,或一器,,。,此处△狱代表权值变化量,为学习速率对于样本夕来说权的变化量如下么,哟‘刀打。