基于特征向量和神經(jīng)網(wǎng)絡(luò)的邊緣檢測(cè)算法研究.pdf

1、數(shù)字圖像邊緣檢測(cè)是進(jìn)行圖像處理的重要環(huán)節(jié)之一。該操作的輸出結(jié)果,即圖像的邊緣,包含了很多圖像的有用信息,可以作為圖像進(jìn)一步處理的重要依據(jù)。邊緣檢測(cè)的是否準(zhǔn)確,直接影響到圖像后續(xù)處理的質(zhì)量。
　　 本文就是針對(duì)灰度數(shù)字圖像邊緣檢測(cè)的算法抗噪性能進(jìn)行研究。為了提高算法的抗噪性能,設(shè)計(jì)了具有抗噪聲能力的圖像特征向量,將它和BP神經(jīng)網(wǎng)絡(luò)相結(jié)合,建立了具有較強(qiáng)抗噪聲干擾能力的邊緣檢測(cè)算法,為圖像進(jìn)一步處理和研究做好鋪墊。
　　 本

2、文首先介紹了進(jìn)行數(shù)字圖像邊緣檢測(cè)算法研究所必要具備的基礎(chǔ)知識(shí),包括數(shù)字圖像處理的前期準(zhǔn)備工作,即圖像的采樣和量化,圖像的平滑處理等。之后本文對(duì)現(xiàn)在應(yīng)用較為廣泛的經(jīng)典邊緣檢測(cè)算法的研究成果也進(jìn)行了相應(yīng)的介紹,對(duì)各種經(jīng)典算法的優(yōu)點(diǎn)與不足進(jìn)行了對(duì)比分析,為提出新方法打下基礎(chǔ)。同時(shí),基礎(chǔ)部分還介紹了邊緣檢測(cè)算法的評(píng)估方法,為算法性能的研究提供了科學(xué)的依據(jù)。
　　 接著本文對(duì)神經(jīng)網(wǎng)絡(luò)邊緣檢測(cè)算法進(jìn)行了深入的研究。針對(duì)神經(jīng)網(wǎng)絡(luò)邊緣檢測(cè)輸入量

3、大的現(xiàn)實(shí),采用了特征向量進(jìn)行圖像特征提取以縮小直接象素點(diǎn)灰度輸入時(shí)的輸入規(guī)模,并進(jìn)行了特征向量的選取和改進(jìn)的研究。針對(duì)圖像采集和傳輸中噪聲干擾嚴(yán)重的情況,構(gòu)造了既有較強(qiáng)邊緣提取能力,又有較強(qiáng)抗噪聲能力的特征向量。同時(shí),利用BP神經(jīng)網(wǎng)絡(luò)強(qiáng)大的記憶能力實(shí)現(xiàn)了原始圖像到邊緣圖像的映射。通過將本文方法用于對(duì)人造圖像和真實(shí)圖像進(jìn)行邊緣檢測(cè)的仿真,將本文方法和經(jīng)典算法進(jìn)行對(duì)比,驗(yàn)證了本文方法的可行性和優(yōu)于經(jīng)典算法的抗噪能力。仿真同時(shí)還將本文方法和金