基于細(xì)胞神經(jīng)網(wǎng)絡(luò)的圖像分割算法研究.pdf

1、基于細(xì)胞神經(jīng)網(wǎng)絡(luò)的圖像分割算法研究重慶大學(xué)碩士學(xué)位論文學(xué)生姓名：王燦指導(dǎo)教師：楊小帆教授專業(yè)：計(jì)算機(jī)軟件與理論學(xué)科門類：工學(xué)重慶大學(xué)計(jì)算機(jī)學(xué)院二OO八年四月重慶大學(xué)碩士學(xué)位論文中文摘要I摘要細(xì)胞神經(jīng)網(wǎng)絡(luò)(CNN)是由許多細(xì)胞單元通過(guò)局部連接組成的，其中每個(gè)細(xì)胞可由線性和非線性電路構(gòu)成，可用VLSI實(shí)現(xiàn)，進(jìn)行大規(guī)模的并行計(jì)算，因此它可應(yīng)用于解決圖像處理任務(wù)，尤其是可應(yīng)用于解決傳統(tǒng)方法還不能很好地解決的任務(wù)，比如：計(jì)算復(fù)雜性比較大的動(dòng)態(tài)輪廓

2、線目標(biāo)分割任務(wù)。CNN應(yīng)用主要取決于模板設(shè)計(jì)，它決定了網(wǎng)絡(luò)的動(dòng)態(tài)性能。本文主要研究的是CNN模板的設(shè)計(jì)及其在圖像分割中的應(yīng)用。主要針對(duì)圖像的梯度、邊緣檢測(cè)、動(dòng)態(tài)輪廓的圖像分割進(jìn)行CNN的模板設(shè)計(jì)，利用離散細(xì)胞神經(jīng)網(wǎng)絡(luò)來(lái)實(shí)現(xiàn)GVF場(chǎng)，達(dá)到圖像分割的目的。本文主要工作包括：1回顧了細(xì)胞神經(jīng)網(wǎng)絡(luò)的基本概念、背景、發(fā)展現(xiàn)狀及硬件實(shí)現(xiàn)；闡述了圖像分割的目的、研究意義、常用技術(shù)及本課題研究的意義。2分析了細(xì)胞神經(jīng)網(wǎng)絡(luò)的動(dòng)態(tài)范圍和穩(wěn)定性，指出CNN的

3、穩(wěn)定性與其反饋模板的中心元素有密切的關(guān)系，并闡述了圖像處理中CNN輸入與輸出的量化方法及其圖像處理的基本思想。3探討了CNN模板設(shè)計(jì)的學(xué)習(xí)方法和代數(shù)構(gòu)造法。在基于梯度的學(xué)習(xí)方法中，推導(dǎo)出CNN用于圖像處理的模板設(shè)計(jì)的學(xué)習(xí)規(guī)則，并給出相應(yīng)的訓(xùn)練算法及仿真結(jié)果，證實(shí)了該方法的可行性；在代數(shù)構(gòu)造法中，對(duì)細(xì)胞神經(jīng)網(wǎng)絡(luò)用于邊緣提取的模板進(jìn)行詳細(xì)的研究，參照通用的模板，根據(jù)一系列條件，推導(dǎo)出細(xì)胞神經(jīng)網(wǎng)絡(luò)用于邊緣提取的模板取值范圍，在該范圍內(nèi)對(duì)圖像進(jìn)