文 献 综 述
摘要： 图像是人类接受信息的主要载体，数字图像处理的最终目的是用计算机代替人去认识图像并找出一幅图像中人们感兴趣的目标。通过数字图像处理的方法自动检测和鉴别集装箱上残损类别及位置，可以大幅提高工作效率、降低成本。图像处理和神经网络的发展为这项工作提供了基础，智能化的计算机视觉将应用在更多领域。
关键词：图像识别，神经网络，集装箱，残损检测，显著区域检测
1、相关概念
1.1 图像识别
图像识别由三个环节构成，分别是数据获取、数据处理、判别分类。解决图像识别的方法概括起来可分为统计模式识别、结构模式识别、模糊图像识别与智能模式识别。20世纪80年代新兴的人工神经网络，作为一种广义的智能模式识别法，具有高度的并行性、分布式存储、良好的容错性、自适应性和联想记忆功能、高度的非线性处理等能力，在模式识别领域中取得了许多传统方法所难达到的成就。而神经网络图像识别技术是随着当代计算机技术、图像处理、人工智能、模式识别理论等发簪起来的一种新兴图像识别技术，是在传统的图像识别方法的基础上融合神经网络算法的一种图像识别方法。
1.2 人工神经网络
人工神经网络(Artifical Neural Network，ANN)是四十年代提出、八十年代复兴的一门交叉学科。它以生物大脑的结构和功能为基础、网络节点模仿大脑的神经元细胞、以网络连接权模仿大脑的激励电平、以简单数学方法完成复杂的智能分析，能有效的处理具有非线性、模糊性和不确定关系的问题。人工神经网络技术以其大规模并行处理、分布式存储、自适应性、容错性等优点吸引了众多领域科学家的广泛关注，被广泛地应用于各个领域。构成神经网络的三个基本要素是：神经元、网络拓扑结构和网络的训练(学习)方法。
1.3 显著区域检测
显著区域检测的本质是一种视觉注意模型(Visual attention model，VAM)。它利用视觉注意机制得到图像中最容易引起注意的显著部分，并用一幅灰度图像表示其显著度。研究表明，人们产生注意力有两方面的原因：一方面是视觉刺激引起的注意，另一方面是基于任务驱动的主观注意。因此VAM分为两种类型：自底向上的数据驱动注意模式和自顶向下的任务驱动注意模式。
以上是毕业论文文献综述，课题毕业论文、任务书、外文翻译、程序设计、图纸设计等资料可联系客服协助查找。
