細(xì)胞神經(jīng)網(wǎng)絡(luò)在圖像處理中的應(yīng)用技術(shù)研究.pdf

1、細(xì)胞神經(jīng)網(wǎng)絡(luò)（CNN）是一種實時處理信號的大規(guī)模非線性陣列處理器，它的局域互連特性使其非常適合于超大規(guī)模集成電路（VLSI）的實現(xiàn)，CNN屬于多學(xué)科交叉研究領(lǐng)域，廣泛應(yīng)用于圖像以及視頻信號的處理，是目前神經(jīng)網(wǎng)絡(luò)研究領(lǐng)域的熱點(diǎn)之一。 本文主要研究CNN在圖像處理應(yīng)用方面的工程實際問題，利用CNN的非線性、高速并行實時計算、易于硬件實現(xiàn)等特點(diǎn)，結(jié)合數(shù)學(xué)形態(tài)學(xué)、正則化方法、統(tǒng)計圖像模型中的Markov隨機(jī)場方法等數(shù)學(xué)理論和方法，解決了

2、許多過去未用CNN解決的圖像信號處理問題以及病態(tài)問題，拓展了CNN的應(yīng)用范圍。 本論文的主要研究工作如下： 1．CNN屬于反饋型神經(jīng)網(wǎng)絡(luò)，穩(wěn)定性是CNN可靠工作的首要條件，本文根據(jù)CNN的結(jié)構(gòu)特點(diǎn)及數(shù)理模型，分析了CNN的動態(tài)范圍與穩(wěn)定特性，介紹了CNN用于圖像處理的原理及CNN模板設(shè)計方法。 2．在光學(xué)干涉條紋圖像處理方面，重點(diǎn)研究了干涉條紋圖像處理中所涉及的濾波、二值化、細(xì)化及條紋修整剪枝等關(guān)鍵技術(shù)，根據(jù)干涉

3、條紋圖像的特點(diǎn)，基于CNN提出了兩種算法：（1）基于CNN的自適應(yīng)圖像濾波算法，將濾波及二值化算法合并執(zhí)行，不僅簡化干涉條紋圖像的處理過程，而且通過改變模板參數(shù)即可方便地根據(jù)圖像的噪聲特征選擇不同的濾波方式；（2）基于CNN的形態(tài)學(xué)條紋細(xì)化算法，將CNN與數(shù)學(xué)形態(tài)學(xué)相結(jié)合，解決了干涉條紋圖像的細(xì)化、修整剪枝等關(guān)鍵技術(shù)，快速準(zhǔn)確地提取了干涉條紋的中心線?；贑NN的干涉條紋圖像處理方法都是基于同一個CNN處理系統(tǒng)，只需改變模板參數(shù)即可實現(xiàn)

4、不同的圖像處理功能，該方法為光學(xué)干涉測量中干涉圖像的實時處理提供了一種新的途徑。 3．從陰影恢復(fù)形狀（SFS）是三維形狀恢復(fù)中較難實現(xiàn)的問題，本文研究一種由單幅二維圖像的灰度變化恢復(fù)三維形狀的新方法。將SFS問題作為一個優(yōu)化問題，利用CNN本身具有能量函數(shù)可進(jìn)行優(yōu)化處理的特點(diǎn)，構(gòu)造了SFS問題的能量函數(shù)，研究了SFS問題到CNN的映射關(guān)系，通過CNN對目標(biāo)函數(shù)的搜索，實現(xiàn)了SFS問題的快速并行求解，為利用SFS技術(shù)實現(xiàn)實時目標(biāo)識

5、別等導(dǎo)航任務(wù)提供了一種新的方法。 4．運(yùn)動估計是視頻壓縮的關(guān)鍵環(huán)節(jié)，是減少幀間時間冗余的重要途徑。本文在分析現(xiàn)有運(yùn)動估計算法的基礎(chǔ)上，以實時視頻編碼為應(yīng)用背景，利用CNN模型與馬爾可夫隨機(jī)場 (MRF)圖像模型在物理結(jié)構(gòu)上的相似性，將CNN與MRF參數(shù)估計方法、貝葉斯定理相結(jié)合，并考慮到不連續(xù)間斷點(diǎn)的問題，提出了一種基于CNN的適合實時視頻應(yīng)用需要的新型運(yùn)動估計算法，該算法充分吸收了MRF在構(gòu)建局部約束條件方面的優(yōu)勢，并結(jié)合CN