李隽　王伟

摘 要： 针对传统的目标识别方法存在易陷入局部最佳值和识别精度低的问题。提出基于遗传算法优化神经网络的图像目标识别方法，通过灰度共生矩阵运算出图像的纹理特征值，并融合像素灰度值构成分类图像的特征矢量，将特征矢量输入到神经网络中实施训练。神经网络先采用遗传算法获取最佳检索范围，再通过高阶神经网络实施寻优运算，获取最佳的图像目标识别结果。实验结果说明，所提方法在图像目标识别精度和效率方面具有较高的优越性。

关键词： 遗传算法； 特征矢量构成； 神经网络； 图像目标识别

中图分类号： TN711?34； TP391 文献标识码： A 文章编号： 1004?373X（2017）20?0111?03

Abstract： For the traditional target recognition methods are easy to fall into local optimum value and have low recognition accuracy， an image target recognition method based on genetic algorithm optimizing neural network is proposed. The texture eigenvalues of the image are calculated by means of gray?level co?occurrence matrix （GLCM）， and fused with the pixel grey?level value to form the feature vector of the classification image. The feature vector is input into neural network for training. The genetic algorithm adopted in neural network is used to get the best search range， and then the optimization operation is performed in high?order neural network to get the best image target recognition results. The experimental results show that the proposed method has high superiority in the aspects of image target recognition accuracy and efficiency.

Keywords： genetic algorithm； feature vector constitution； neural network； image target recognition

随着当前图像处理技术的快速发展，远距离遥控图像的目标识别技术日益受到人们的关注，该技术在探测、工业以及军事领域具有重要应用价值[1]。神经网络的分类方法被广泛应用在图像目标识别中，但该方法存在易陷入局部最佳解和识别效率低等问题[2]。研究出更为精确的图像目标识别方法，成为相关人员分析的重点。本文提出基于遗传算法优化神经网络的图像目标识别方法，实验结果说明，该方法具有较高的识别效率和精度。

1 图像目标识别方法

神经网络算法容易陷入局部最佳值问题，遗传算法是基于自然选择和遗传规律的并行全局搜索算法，具有很强的宏观搜索能力[3]。先采用遗传算法完成前期的搜索，避免神经网络出现陷入局部最佳解的问题。……