基于遺傳神經(jīng)網(wǎng)絡(luò)的圖像邊緣檢測(cè).pdf

1、邊緣是圖像最基本的特征之一，邊緣包含了一副圖像的大部分信息，通過邊緣信息就可以辨認(rèn)一個(gè)物體。邊緣檢測(cè)是特征提取、模式識(shí)別等圖像分析領(lǐng)域的基礎(chǔ)，是圖像預(yù)處理的一個(gè)重要環(huán)節(jié)，直接關(guān)系到整個(gè)處理系統(tǒng)的效率及準(zhǔn)確性。目前邊緣檢測(cè)已經(jīng)有很多方法，其中經(jīng)典的方法有Sobel算子、Roberts算子、Laplace算子等，這些方法簡(jiǎn)單、運(yùn)行速度快，對(duì)檢測(cè)一般的圖片的邊緣有較好的效果，但是對(duì)一些復(fù)雜的圖片，比如背景復(fù)雜的人臉圖像、醫(yī)學(xué)圖像、遙感圖像等，

2、不能得到很好的效果。近年來很多智能算法逐漸應(yīng)用到圖像處理的各個(gè)領(lǐng)域，比如遺傳算法、蟻群算法、神經(jīng)網(wǎng)絡(luò)和粒子群算法等，為邊緣檢測(cè)提供了更廣闊的發(fā)展空間。本文對(duì)神經(jīng)網(wǎng)絡(luò)和遺傳算法的結(jié)合進(jìn)行可行性分析之后，給出了利用遺傳神經(jīng)網(wǎng)絡(luò)算法對(duì)圖像進(jìn)行邊緣檢測(cè)的實(shí)現(xiàn)過程。主要研究?jī)?nèi)容及結(jié)果如下：
　　 ⑴在設(shè)計(jì)神經(jīng)網(wǎng)絡(luò)模型時(shí)引入Sobel算子、Roberts算子和Prewitt算子，將每個(gè)算子在X和Y方向上的模板作為一個(gè)隱含層節(jié)點(diǎn)，避免了尋找最

3、佳隱含層神經(jīng)元個(gè)數(shù)的復(fù)雜問題。
　　 ⑵選取樣本圖像時(shí)，沒有采用二值圖像，而是直接用邊緣清晰、不含噪聲的灰度圖像作為訓(xùn)練圖片，并提出分塊平均的邊緣檢測(cè)方法，用該方法檢測(cè)訓(xùn)練圖像的邊緣作為人工導(dǎo)師信號(hào)。
　　 ⑶利用遺傳算法全局優(yōu)化能力，對(duì)神經(jīng)網(wǎng)絡(luò)隨機(jī)產(chǎn)生的權(quán)值矩陣進(jìn)行優(yōu)化，在進(jìn)行遺傳操作時(shí)，采用改進(jìn)的自適應(yīng)調(diào)整交叉概率和變異概率，降低了進(jìn)化走向局部最優(yōu)解的幾率。
　　 ⑷將訓(xùn)練好的遺傳神經(jīng)網(wǎng)絡(luò)模型對(duì)人臉圖片進(jìn)行邊