| 摘要: | 圖形識別(Pattern Recognition)是描述和辨識從物理 或心智過程中所得到的量測數值(Description and Classification of MeasurementsTaken from Physical Or Mental Processes)的一門學問.它的目的就是要構建一部具 有自動分辨能力的機械系統,在各行各業皆有實際的應用.一個進入圖形識別系統的圖形(Pattern),首先經過 感應(Sensing)的步驟轉換成一組測值(Measurements).這 些測值再經過前處理(Preprocessing)及特徵抽取( Features Extraction)的步驟之後,分類器(Classifier)即根 據抽取出來的特徵進行識別.為了使系統的識別 工作更完全的自動化,通常要滿足下列二個重要 的要求(Requirements):不受圖形平移(Translated),旋轉(Rotated)及伸縮( Sealed)等因素的影響.能處理感應所造成的雜訊(Noise)以及變形( Distorted)的圖形.我們稱這樣的系統為不變性的圖形識別系統( Invariant PatternRecognition System).神經網路是一深具潛力的研究領域,它具有適應 性學習(Adaptive Learning)的能力,可經由訓練集合( Training Set)抽取所要的特徵並作識別的工作.而且 它也具有雜訊容忍(Noise-tolerance)及錯誤容忍(False- tolerance)的能力,大量平行處理的架構也有利於快 速的識別工作.這些優異的特性使得以神經網路 為基礎(Neural-network-based)的不變性圖形識別系統 更受到廣泛的注意.在本計畫中,我們將根據生物視覺系統(Biological Visual System)的概念設計一個以神經網路為基礎的 不變性圖形識別系統.該系統包含一個抽取高階 不變性特徵(High-order Invariant Features)的不變性前 處理器以及一個識別特徵的網路分類器.該不變性前處理器的設計觀念類似於新辨識系統( Neocognitron),但我們將引入額外的處理程序以簡化 前處理器架構的複雜度,並且具有新辨識系統所 沒有的旋轉不變性的功能.但該功能亦可放在分 類器中執行,因此我們也將探討以何種方式來處 理旋轉不變性會得到較好的結果.另外,我們也將探討以數學形態學(Mathematical Morphology)的技巧去除雜訊的可行性.同時,我們將 使網路架構本身具有解決不變性特徵的能力,例 如,改良過的新辨識系統,高階網路(High-order Network )及魏得勒(Widrow's)系統等,以減少訓練樣本的數量 ,加快學習的速度.研究期間：8202 ~ 8301 |
