基于LVQ神經(jīng)網(wǎng)絡數(shù)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(xiàn)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(shù)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(xiàn)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(tǒng)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(shù)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(jīng)網(wǎng)絡技術進行邊緣檢測的國內(nèi)外研究動態(tài)，對基于神經(jīng)網(wǎng)絡的邊緣檢測技術進行了詳細論述。 (3)分析了傳統(tǒng)邊緣檢測算法抗噪能力差的缺陷，首次提出運用LVQ1神經(jīng)網(wǎng)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(jīng)網(wǎng)絡的輸入序列。經(jīng)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(wǎng)絡存在的“死”神經(jīng)元、收斂困難等局限性，提出了運用LVQ2神經(jīng)網(wǎng)絡進行邊緣檢測的改進算法。該網(wǎng)絡在結構上與LVQ1網(wǎng)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(wǎng)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(jīng)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(tǒng)總結了兩種算法的優(yōu)缺點，對未來的研究方向做