论文部分内容阅读
大脑能在较短的时间内以较高的准确率对物体、场景等进行识别;而现有的机器学习算法则可能因图像的微小变化而无法成功识别对象。这主要是因为现有的机器学习算法在识别过程中着重逐层从对象的低级特征提取高级特征,而不能从观察对象的图像中直接提取高级特征。故可建立模型,以Normalized Cross Correlation(NCC)算法对其特征匹配部分进行了区域匹配,通过建立类脑视觉识别记忆模型,对算法的速度、识别率以及对图像灰度变化的鲁棒性进行了仿真分析,验证了算法的可行性,为之后的识别算法提供新方向。