一、开发的背景及意义 随着数字图像处理技术的发展和实际应用的需求。

许多问题不要求其输出结果是一幅完整的图像本身，而是将经过一定处理后的图像再分割和描述，提取有效的特征，进而加以判断分类，这种技术就是图像的模式识别。

　　图像识别技术是利用计算机视觉采集物理对象，以图像数据为基础，让机器模仿人类视觉，自动完成某些信息的处理功能，达到人类所具有的对视觉采集图像进行识别的能力，以代替人去完成图像分类及辨别的任务。

对图像识别来说，面对的是二维数据信号或平面图形，除掉它们各不相同的物理内容，考虑对样品数据分类这一共性来研究的，把同一种共性者归为一类，另一种共性者归为一类。

要求在最小的错误概率条件下，使识别的结果尽量与客观物体相符合，具备人所具有的对各种事物、现象进行分析、描述与判断的能力。

　　图像的识别属于当代计算机科学研究的重要领域，已发展成为一门独立的学科。

这一学科在近几年里，发展十分迅速，应用范围相当广泛，几乎遍及各个领域，从宇航领域拓展到生物科学、信息科学、资源环境科学、天文学、物理学、工业、农业、国防、教育、艺术等各个领域与行业，在国防经济、国防建设、社会治安和社会发展等方面得到广泛应用，对整个社会都产生了深远的影响。

目前，光学字符识别（如手写数字识别、邮政编码识别、汽车牌号识别、汉字识别、条形码识别等），以及生物特征识别（如人脸识别、指纹识别、虹膜识别等）已经在人类日常生活中广泛应用，对经济、军事、文化及人们的日常生活产生重大影响。

二、本课题的主要内容 结合残差网络和循环网络的优势，通过多路循环的结构寻找最优解，提升图像识别的准确率的同时最大限度地减少参数，防止过拟合，构建新的网络结构、新的图像识别解决方案。

设计方案图如下： 图1 系统的总体框架 受启发于人类思考的模式，归纳出三个要素：第一反应，多角度分析，反复验证。