基于細(xì)胞神經(jīng)網(wǎng)絡(luò)的圖像邊緣提取.pdf

1、基于細(xì)胞神經(jīng)網(wǎng)絡(luò)的圖像邊緣提取重慶大學(xué)碩士學(xué)位論文（學(xué)術(shù)學(xué)位）學(xué)生姓名：田袁指導(dǎo)教師：鄧紹江教授專業(yè)：計算機應(yīng)用技術(shù)學(xué)位門類：工學(xué)重慶大學(xué)計算機學(xué)院二O一二年十月重慶大學(xué)碩士學(xué)位論文中文摘要1摘要1988年蔡少棠教授提出了細(xì)胞神經(jīng)網(wǎng)絡(luò)(Cellularneutralwk簡稱CNN)，這種網(wǎng)絡(luò)結(jié)合了人工神經(jīng)網(wǎng)絡(luò)和細(xì)胞自動機的優(yōu)點。CNN是一種局部互聯(lián)的神經(jīng)網(wǎng)絡(luò)變體，整個網(wǎng)絡(luò)由大規(guī)模非線性模擬電路組成，因為其局部互聯(lián)的特性使得它具有高速并行

2、處理的能力。便于在VLSI上實現(xiàn)。目前CNN在圖像處理方面的應(yīng)用已經(jīng)取得巨大成功。CNN在圖像處理的應(yīng)用中，最主要的研究方向是找到一組能夠滿足處理任務(wù)的細(xì)胞之間相互的連接的權(quán)重(稱為模板)。目前主要存在兩種方法來尋找合適的模板，一類是基于約束條件分析法和學(xué)習(xí)法兩種算法，這兩種算法都是需要基于樣本空間。在樣本空間里對給定圖片和理想得到圖片進(jìn)行抽象或訓(xùn)練，得到合適的解，這組解則是能夠解決與樣本空間類似問題的克隆模板。這類方法對樣本選擇的要求

3、和尋找的過程控制要求非常高。如果控制不好就會造成對樣本的過分依賴而喪失推廣能力。第二類方法主要是根據(jù)待處理任務(wù)的特點直接設(shè)計模板(自適應(yīng)性模板)，這種方法無需借助于樣本空間，而是直接根據(jù)當(dāng)前需要解決的任務(wù)進(jìn)行設(shè)定。本文將細(xì)胞神經(jīng)網(wǎng)絡(luò)用于圖像邊緣提取的應(yīng)用研究中。首先基于第一類尋找模板的兩種方法分別進(jìn)行實驗?zāi)M；然后設(shè)計出一種自適應(yīng)性算法用于彩色圖像的邊緣提取。文章的主要工作和創(chuàng)新點主要分為如下四點：(1)在灰度圖像的邊緣提取中，我們用目

4、前應(yīng)用最廣泛的兩種方法：學(xué)習(xí)法和約束條件分析法對灰度邊緣提取CNN模板進(jìn)行尋找。學(xué)習(xí)法我們采用粒子群(PSO)算法作為訓(xùn)練算法在樣本空間對模板進(jìn)行訓(xùn)練。而對約束條件分析法我們采用解線性矩陣不等式(LMI)的方法來尋找模板參數(shù)。并用上述兩種方法得到的模板對灰度圖像邊緣進(jìn)行提取。(2)當(dāng)前在彩色圖像邊緣提取CNN模板的研究中，沒有提出合適的彩色空間適用于CNN的表示，也沒有一種公認(rèn)的算法能找出CNN在彩色邊緣提取中的克隆模板。本文首次用CN

5、N直接在彩色空間上對圖像提取邊緣，根據(jù)在邊緣提取中，最主要關(guān)心像素之間的變化，而非像素本身這一特點。避免了文獻(xiàn)[40]提出的CNN用于彩色圖像處理中需要尋找多維模板的模型。(3)韋伯定理指出，人眼能識別的顏色最小變化值與其所在的背景顏色亮度有關(guān)；文獻(xiàn)[44]研究出的人眼視覺感受閾值門限函數(shù)。本文結(jié)合了這些人類視覺的研究成果，在彩色邊緣提取的CNN反饋模板的設(shè)計過程中引入閾值函數(shù)，使閾值具有很好的自適應(yīng)性，本方法的第一個自適應(yīng)性。(4)針