张 力， 宋 伟

(昆明理工大学 信息工程与自动化学院，云南 昆明 650500)

基于链式竞争策略的图像识别研究

张 力， 宋 伟

(昆明理工大学信息工程与自动化学院，云南昆明650500)

针对反向传播神经网络(BP-NN)在图像识别运算过程中容易陷入局部极小值的问题，提出了在常规的遗传算法(GA)中引入3个邻域的链式竞争，进行特征选择的图像识别方法。仿真结果表明：将引入链式竞争策略的遗传算法应用到反向传播神经网络中，可以使图像更清晰，提高了图像识别的容错性及效果。

反向传播神经网络； 图像识别； 遗传算法； 链式竞争； 容错性

0 引 言

在图像处理过程中，需要经过部分预处理操作，受到一些不利因素的影响，预处理结果仍然包含一定的噪音[1]。许多国内外学者提出了一些新的特征提取算法以及多种神经网络模型以便于提高识别率。目前，中值滤波、均值滤波和小波变换[2～4]等方法是比较常用的图像处理方法。其中，小波变换对高斯噪声有较强的去噪能力，但对脉冲噪声的去噪能力不佳。近年来，随着反向传播神经网络(back propagation neural network,BP-NN)的使用越来越广泛，通过模仿人脑结构及其功能，使其具有非线性映射、联想记忆、分类、识别等功能[5]，能够在图像处理中去除各种类型噪声。针对BP-NN容易陷入局部极小值，本文采用遗传算法优化BP-NN训练初始权值阈值，解决了该问题，提高了图像识别的容错性，同时在遗传算法中引入了3个邻域的链式竞争[6]，进行特征选择，使图像处理效果更清晰、边缘更明显。……