全文总字数：2030字

1. 研究目的与意义及国内外研究现状

随着计算机技术的高速发展，机器视觉的实现也成了一门重要的学科。图像识别技术便是实现机器视觉的一个关键技术难点，在传统的图像识别方法中，图像识别的效率相对于其他技术的发展显得有些力不从心，而人工神经网络的出现使得图像识别技术突飞猛进的发展，通过对人工神经网络中的精密算法的运用，机器视觉中的图像识别技术效率也大大提高，可以说基于神经网络的图像识别技术是人工神经网络的成功应用。因此基于bp神经网络的图像识别技术研究具有重要意义。

国内外研究现状

对于bp神经网络的研究，在国外技术是相对先进的，论文过程中发现国外与神经网络与深度学习的文献比较多而且较为权威，知识体系比较完善。但由于神经网络的'万能性',国内对于神经网络发展的空间也是非常巨大的，利用神经网络的学习特性，可以完成很多重复性知识的学习，并对于规律预测方面都有很大的应用空间。

2. 研究的基本内容

本文先是综述了基于神经网络的图像识别技术在如今时代背景下的高速发展及其作用，然后介绍来图像识别系统的处理机制，在图像识别的关键步骤模式识别时，通过传统识别方法与人工神经网络识别的效率对比，引出人工神经网络的强大之处，并对人工神经网络的理论体系从神经网络的概念、结果和学习方式规则等方面作了一些简单的介绍，最后重点介绍了神经网络中最常用与图像识别的一种——BP神经网络（也称多层前馈神经网络），并对BP网络发展从感知器到形成BP网络结构及其算法原理进行了叙述，通过BP网络的设计对图像识别技术有了更深的了解，实验证明基于神经网络的图像识别技术是完全可行的，并且在其实现的高效识别的同时，在图像识别上还有很大的发展空间。

3. 实施方案、进度安排及预期效果

通过论文的研究可以分为以下几个关键：图像识别系统，人工神经网络，基于bp神经网络的图像识别研究，实验训练样本得出网络识别准确率。

本文主要研究基于神经网络的图像识别技术，论文主要分为四个部分：（1）首先简要介绍了图像识别系统，其中预处理主要分为图像灰度化、二值化、去噪处理、图像分割和归一化几个部分；（2）其次对图片利用逐像素特征提取法对图片进行特征提取；（3）然后简述人工神经网络理论基础，采用了bp算法（back propagation algorithm），是由学习过程由信号的正向传播与误差的反向传播两个过程组成）；（4）最后实验以识别手写数字为例，实现基于bp网络的图像识别系统技术，通过实验设计的图像识别系统识别成功率达到97%以上，实验结果表明基于神经网络的图像识别是可行高效的，基于神经网络的图像识别技术具有很大的发展前景。

4. 参考文献

[1] 陈雪.神经网络的图像识别技术及方法分析[j].通讯世界,2016(01):39-40.

[2] 彭淑敏. 神经网络图像识别技术研究与实现[d].西安电子科技大学,2005.

[3] lan goodfellow,yoshua bengio,aaron courville, deep learning[m].2016:122-276