基于细胞神经网络的图像边缘检测分析

《基于细胞神经网络的图像边缘检测分析》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、重庆大学硕士学位论文1绪论1绪论1．1课题背景人工神经网络是受到人类自身神经系统的启发而提出的。自从人工神经网络提出之后，对其的理论和应用研究都取得了很大进展。随着神经网络理论的逐渐发展，许多基于神经网络的新型网绍模型也相继产生。1982年，Hopfield提出基于统计机制的神经网络模型。随后的1988年，细胞神经网络诞生了。细胞神经网络(cellularneuralnetwork，CNN)是由美国加州大学伯克利分校的华裔科学家蔡少棠教授在1988年提出的【11。细胞神经网络是由被称为细胞(cell)的基本电路单元

2、组成，而这些基本电路单元又由线性和非线性电路元件组成，：；半且每个细胞与其相邻的细胞直接相连。由于细胞神经网络的基本电路单元里包含非线性电路元件，所以细胞神经网络的动力学行为非常复杂。细胞神经网络的：另一特点是它具有并行处理能力，鉴于这一优势，细胞神经网络被广泛应用于实时信号处理，其处理速度快，集成性高，适于VLSI实现。细胞神经网络的研究成果主要有理论研究和应用研究两个方面。理论研究主要是针对其稳定性的研究以及各种变形网络的研究，应用研究则包括细胞神经网络的应用算法研究和细胞神经网络的硬件实现研究。通过多年来对细

3、胞神经网络稳定性的研究，已经证明细胞神经网络的局部指数稳定，全局指数稳定等性质。随着细胞神经网络的理论研究日渐成熟，各种基于细胞神经网络的应用方法相继被提出。当今的信息化时代，图像是储存和传递信息的重要形式之一，图像处理也一直是研究的热点。数字图像都是通过模拟信号转换而来，在转换过程中的采样和量化等过程中存在一系列误差，使得实际得到的数字图像总是存在一定的噪声。为了消除噪声对图像信息的影响，产生了针对图像去噪的研究。图像边缘检测前也需要去除图像噪声，然后进行边缘检测取得更准确的边缘。自从数字图像产生以来，对图像噪声

4、滤除的研究一直在不断摸索中，并取得了很多成果。基于细胞神经网络具有的并行处理、速度快的特点，将细胞神经网络应用于图像滤波的研究成果近几年也不断产生。蔡少棠等口J在1988年提出细胞神经网络理论模型后就发表论文验证细胞神经网络在图像去噪等方面的应用。Venetianer和WerblinTM等人利用细胞神经网络对图像进行压缩和重建。HubertHarrer和PeterL．Venetianer等14J人将离散细胞神经网络用于图像去噪，并建立起离散细胞神经网络模型。Te—JenSu，Tzu—HsiangLin和Jia．We

5、iLiu[5,6J将细胞神经网络用于对灰度图像的去噪。重庆大学硕士学位论文1绪论边缘检测是数字图像处理和机器视觉等领域研究的基础，也是难点。图像边缘包含很多重要信息，可以作为图像的主要特征而用于分辨事物。传统的边缘检测算法有：差分边缘检测方法、Roberts算子、Sobel算子、Prewitt算子、Kirsch算子、Canny算子等。但是这些边缘检测算法仅对灰度图像效果较好，在应用于彩色图像边缘检测时结果不够理想，而且这些算法用硬件实现时效率不高。细胞神经网络的并行处理能力和其边缘检测的能力使其检测的边缘效果好，而

6、且速度快。T．Roska和A．Zarandy等将CNN用于彩色图像的处理【7J，为细胞神经网络应用拓宽了领域。D．Balya和T．Roska提出了CNN的人脸和眼检测【8J。H．A．Firpi和E．D．Goodman利用PSO设计用于灰度图像的内边缘检测的CNN【9J，模拟实验结果比较好，研究者开始将现代智能算法应用于复杂网络的参数模板设计。T．Kozek和T．Roska等将遗传算法用于CNN模板的参数模板设计【1⋯。Yue．ChengChen和Hsin—ChihWang通过PSO算法搜索CNN参数模板以去除二值图

7、像的噪声⋯J，先通过训练获得参数模板，然后将其用于Lena二值图像，与基于遗传算法搜索的参数模板相比，结果稍好。Te．JenSu和Tzu—HsiangLin提出了一种可以对灰度图像去噪的CNN【5J。YueJenL和ChiaLingH等提出了一类噪声去除方法¨21，首先通过LMl分析网络的稳定性，然后得出能去噪的一类CNN。张闯等提出基于CNN的彩色图像边缘检测方法【1

8、3，14J，与传统边缘检测算法相比较，该方法提取的特征更细，但也引入了一些非边缘特征。文献15提出图像边缘提取算法【15I，该算法利用细胞神经网络

9、的稳定性。汤敏利用细胞神经网络进行灰度图像的边缘提取，并取得良好效果【J6

10、。1．2课题学术和实用意义当代世界，信息化已经导致了人们的生产和生活方式的变革。人类认识客观世界的过程中，70％以上的信息来自人类的视觉，或称为图像信息，包括图像、图形、视频、文本等形式，其中图像已经成为信息化时代的重要工具。在信息化时代，数字图像处理技术已经广泛应用于工程、医疗、科