基于LVQ神經(jīng)網(wǎng)絡(luò)數(shù)字圖像邊緣檢測(cè)算法的研究.pdf

1、圖像邊緣是指當(dāng)兩個(gè)區(qū)域各自的灰階明顯不同時(shí)，則稱在這兩個(gè)區(qū)域的邊界上出現(xiàn)了邊緣，它表示一個(gè)區(qū)域的結(jié)束和另一個(gè)區(qū)域的開(kāi)始。借助于各種算法對(duì)圖像的邊緣進(jìn)行處理、識(shí)別的過(guò)程稱之為邊緣檢測(cè)。它是目前數(shù)字圖像處理中的關(guān)鍵技術(shù)之一，也是信號(hào)與信息處理領(lǐng)域的一個(gè)重要基礎(chǔ)性學(xué)科?，F(xiàn)已在圖像處理、人工智能、計(jì)算機(jī)識(shí)別、模式識(shí)別與分類(lèi)、故障檢測(cè)等方面得到了廣泛應(yīng)用。 本文所做的主要工作：(1)闡述了邊緣檢測(cè)技術(shù)的原理及發(fā)展?fàn)顩r，系統(tǒng)研究了邊緣檢測(cè)的

2、基本理論。在此基礎(chǔ)上提出了可以把數(shù)字圖像的邊緣檢測(cè)看作一類(lèi)分類(lèi)問(wèn)題來(lái)進(jìn)行研究。 (2)分析了運(yùn)用神經(jīng)網(wǎng)絡(luò)技術(shù)進(jìn)行邊緣檢測(cè)的國(guó)內(nèi)外研究動(dòng)態(tài)，對(duì)基于神經(jīng)網(wǎng)絡(luò)的邊緣檢測(cè)技術(shù)進(jìn)行了詳細(xì)論述。 (3)分析了傳統(tǒng)邊緣檢測(cè)算法抗噪能力差的缺陷，首次提出運(yùn)用LVQ1神經(jīng)網(wǎng)絡(luò)進(jìn)行邊緣檢測(cè)的算法。文中構(gòu)造了由三種特征量構(gòu)成的特征向量來(lái)提取圖像的有效信息，并以此作為神經(jīng)網(wǎng)絡(luò)的輸入序列。經(jīng)計(jì)算機(jī)仿真表明，該算法不僅可以很好地檢測(cè)出圖像的邊緣，而

3、且具有較強(qiáng)的抗噪能力。 (4)針對(duì)LVQ1網(wǎng)絡(luò)存在的“死”神經(jīng)元、收斂困難等局限性，提出了運(yùn)用LVQ2神經(jīng)網(wǎng)絡(luò)進(jìn)行邊緣檢測(cè)的改進(jìn)算法。該網(wǎng)絡(luò)在結(jié)構(gòu)上與LVQ1網(wǎng)絡(luò)很相似，但在學(xué)習(xí)規(guī)則上采取了更為合理的算法。新的算法對(duì)網(wǎng)絡(luò)的獲勝端和次勝端都進(jìn)行了學(xué)習(xí)，學(xué)習(xí)速度采取了更為合理的變步長(zhǎng)方式。經(jīng)計(jì)算機(jī)仿真表明，改進(jìn)算法使輸出的邊緣圖像連續(xù)性得到了改善，抗噪能力也有了明顯提高。 (5)系統(tǒng)總結(jié)了兩種算法的優(yōu)缺點(diǎn)，對(duì)未來(lái)的研究方向做