基于LVQ神經網絡數字圖像邊緣檢測算法的研究.pdf

1、圖像邊緣是指當兩個區(qū)域各自的灰階明顯不同時，則稱在這兩個區(qū)域的邊界上出現了邊緣，它表示一個區(qū)域的結束和另一個區(qū)域的開始。借助于各種算法對圖像的邊緣進行處理、識別的過程稱之為邊緣檢測。它是目前數字圖像處理中的關鍵技術之一，也是信號與信息處理領域的一個重要基礎性學科?，F已在圖像處理、人工智能、計算機識別、模式識別與分類、故障檢測等方面得到了廣泛應用。 本文所做的主要工作：(1)闡述了邊緣檢測技術的原理及發(fā)展狀況，系統研究了邊緣檢測的

2、基本理論。在此基礎上提出了可以把數字圖像的邊緣檢測看作一類分類問題來進行研究。 (2)分析了運用神經網絡技術進行邊緣檢測的國內外研究動態(tài)，對基于神經網絡的邊緣檢測技術進行了詳細論述。 (3)分析了傳統邊緣檢測算法抗噪能力差的缺陷，首次提出運用LVQ1神經網絡進行邊緣檢測的算法。文中構造了由三種特征量構成的特征向量來提取圖像的有效信息，并以此作為神經網絡的輸入序列。經計算機仿真表明，該算法不僅可以很好地檢測出圖像的邊緣，而

3、且具有較強的抗噪能力。 (4)針對LVQ1網絡存在的“死”神經元、收斂困難等局限性，提出了運用LVQ2神經網絡進行邊緣檢測的改進算法。該網絡在結構上與LVQ1網絡很相似，但在學習規(guī)則上采取了更為合理的算法。新的算法對網絡的獲勝端和次勝端都進行了學習，學習速度采取了更為合理的變步長方式。經計算機仿真表明，改進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)系統總結了兩種算法的優(yōu)缺點，對未來的研究方向做