臺灣博碩士論文加值系統

本研究將介紹Hopfield-Tank 類神經網路的方法、內容以及我們所提出的局部特徵不變量在二維影像輪廓辨識上之應用。首先，找尋輪廓上的特徵點，特徵點的位置所在則包含輪廓上高曲率及轉角的部分，找出特徵點後我們以多邊型近似(polygonal approximation)的方式來描述圖形。網路的進行是一次輸入兩個圖形進行比對，一為模型圖形(model pattern)另一個則是被辨識圖形(test pattern)，就個別輪廓上所擁有的若干特徵點來比對兩個圖形之間的特徵不變量(invariant)，圖形不論是具有平移、旋轉或是尺度(sale)縮放變化，都可在由單一物件或具有重疊物件組合的被辨識圖形中來對應出模型輪廓特徵的所在，藉此達到圖形辨識的目的。

In our research, we proposed a novel invariant in 2-D image contour recognition based on Hopfield-Tank neural network. At first, we searched the feature points, the position of feature points where are included high curvature and corner on the contour. We used polygonal approximation to describe the image contour. There have two patterns we set, one is model pattern another is test pattern. The Hopfield-Tank network was employed to perform feature matching. In our results show that we can overcome the test pattern which consists of translation, rotation, scaling transformation and no matter single or occlusion pattern.

摘要(中)………………………………………………………………Ⅰ
摘要(英)………………………………………………………………Ⅱ
目錄……………………………………………………………………Ⅲ
圖目錄…………………………………………………………………Ⅳ
第一章 緒論
1-1 前言……………………………………………………1
1-2 相關技術………………………………………………2
1-3 研究動機………………………………………………3
1-4 論文架構………………………………………………6
第二章 類神經網路模式總論
2-1 類神經網路之基本架構………………………………10
2-1-1 生物神經元與人工神經元模型……………… 12
2-1-2 常用的非線性轉移函數……………………… 16
2-2 類神經網路分類………………………………………18
第三章 Hopfield 類神經網路
3-1 網路架構與觀念………………………………………22
3-1-1 最小化能量的觀念…………………………… 23
3-2 Hopfield-Tank 類神經網路…………………………25
3-2-1 Hopfield-Tank 網路演算法………………… 26
3-3 Hopfield-Tank 網路之應用…………………………28
第四章 輪廓上特徵點之擷取與局部特徵不變量
4-1 影像分割………………………………………………33
4-1-1 影像二值化與自動臨界值擷取(Automatic
thresholding)……………………………… 34
4-1-2 邊緣檢測 ………………………………………37
4-1-3 特徵點擷取技術 ………………………………39
4-1-4 特徵表示 ………………………………………41
4-2 本研究所提出之局部特徵不變量描述………………43
第五章 實驗結果與分析
5-1 建立Hopfield類神經網路 ……………… …………46
5-2 網路流程………………………………………………51
5-3 參數最佳化……………………………………………52
5-4 實驗結果………………………………………………57
5-4-1 比對單一物件……………………………………57
5-4-2 比對重疊物件(Occluded object) ……………64
5-5 本章結論………………………………………………68
第六章 結論與建議
6-1 結論……………………………………………………70
6-2 未來研究建議…………………………………………71
參考文獻 ………………………………………………………………72
附錄一 …………………………………………………………………76

[1] J. J. Hopfiled, D. W. Tank, ” Neural Computation of Decisions in Optimization Problems.” Biol. Cyberne., 52, 1985, pp. 141-152.
[2] S. Haykin, ” Neural Networks: a comprehensive foundation 2nd edition.” Prentice Hall, 1999, pp. 664-727.
[3] N. M. Nasrabadi, W. Li, ” Object Recognition by a Hopfield Neural Network.” IEEE Trans.SMC, Vol. 21, NO. 6, 1991, pp.1523-1535.
[4] P. N. Suganthan, E. K. Teoh, D. P. Mital, ” Programming Hopfield Network for Object Recognition.” in Proc.of SMC Conf., 3, 1993, pp. 114-119.
[5] P. N. Suganthan, E. K. Teoh, D. P. Mital, ” Homomorphic ARG Matching by Hopfield Network.” in Proc. IEEE Int. Conf. Industrial Electronics, Vol. 1, 1995, pp. 161-165.
[6] M. N. Fu, H. Yan, ” A Shape Classifier based on Hopfield –Amari Network.” in Proc. IEEE Int. Conf. Neural Network, Vol. 1, 1996, pp. 588-593.
[7] W. J. Li, T. Lee, ” Hopfield Neural Networks for Affine Invariant Matching.” IEEE Trans.Neural Networks, Vol.12, NO.6, 2001, pp. 1400-1410.
[8] W. J. Li, T. Lee, ” Object recognition and articulated object learning by accumulative Hopfield matching.” Pattern Recognition, 35, 2002, pp. 1933-1948.
[9] D. L. Lee, ” Pattern Sequence Recognition Using a Time Vary Hopfield Network.” IEEE Trans.Neural Networks, Vol. 13, NO. 2, 2002, pp. 330-342.
[10] 葉怡成, ”類神經網路模式應用與實作.” 儒林圖書有限公司, 2002.
[11] 張維哲, ”人工神經網路.” 全欣資訊圖書, 1992.
[12] 張嘉鍇, ”在低解析度六角格子影像上之輪廓辨識.” 國立中山大學機械工程研究所碩士論文, 1999.
[13] 李祐魁, ”利用次像素在低解析度六角格子上作輪廓辨識.” 國立中山大學機械研究所碩士論文, 2000.
[14] 黃國源, ”類神經網路與圖型辨識.” 維科出版社, 2000.
[15] 蕭富介, ”類神經網路應用於瓦特I型六連桿組耦點曲線之合成.” 國立中正大學機械工程研究所碩士論文, 2002.
[16] 陳建銘, ”類神經網路於Web Mining之應用.” 國立台北科技大學商業自動化與管理研究所碩士論文, 2001.
[17] M. Cooper, ” Visual occlusion and the interpretation of ambiguous pictures.” ELLIS HORWOOD, 1992.
[18] M. Egmont-Peterson, D. de Ridder, H. Handels, ”Image processing with neural networks—a review.” Pattern Recognition, 35, 2002, pp. 2279-2301.
[19] J. S. Lee, C. H. Chen, Y. N. Sun, G. S. Tseng,”Ocluded objects recognition using multiscale features and Hopfield neural network.” Pattern Recognition, Vol.30, No.1, 1997, pp. 113-122.
[20] 王進德, 蕭大全, ”類神經網路與模糊控制理論入門.” 全華科技圖書股份有限公司, 1994.
[21] 林昇甫, 洪成安, ”神經網路入門與圖樣辨識(修訂第二版).” 全華科技圖書股份有限公司, 2002.
[22] 沈政, 林庶芝, ”腦模擬與神經計算機.” 五南圖書出版有限公司, 1996.
[23] 吳成柯, 戴善榮, 程湘君, 雲立實 譯, ”數位影像處理.” 儒林圖書有限公司, 1996.
[24] M.N.Fu, H. Yan, K. Huang,”A curve band fuction based method to characterize contour shapes.” Pattern Recognition, Vol. 31, No.10, 1997, pp.1661-1671.
[25] J.H.Kim, S.H.Yoon, C.W. Lee,K.H.Sohn,”A robust solution for object recognition by mean field annealing techniques.” Pattern Recognition, 34, 2001, pp. 885-902.
[26]Y. Uchiyama, M. Haseyama, H. Kitajima, ”Hopfield neural networks for edge detection.” ISCAS 2001. Vol.3, 2001, pp. 608-611.
[27] A. Rosenfield, E. Johnston, ” Angle detection on digital curves.” IEEE Trans.Compute. Vol. C-22, 1973, pp. 875-878.
[28] N. Otsu,”A threshold selection method from gray-level historgrams.” IEEE Trans.SMC, Vol.SMC-9, 1979, pp. 62-66.
[29] M.K. Peng, N. K. Gupta, ” Occluded object recognition by Hopfield networks.” in Proc. IEEE Int. Conf. Neural Network, Vol. 7, 1994, pp. 4309-4315.