遗传优化的sofm神经网络在图像分割中的应用

《遗传优化的sofm神经网络在图像分割中的应用》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、代号学号 107010722121376分类号TP751密级公开题（中、英文）目遗传优化的SOFM神经网络在图像分割中的应用GeneticoptimizationofSOFMNeuralNetworkinImageSegmentation王鑫刘芳教授作者姓名指导教师姓名、职务学科门类工学学科、专业计算机应用技术二○一一年六月提交论文日期西安电子科技大学学位论文独创性（或创新性）声明秉承学校严谨的学风和优良的科学道德，本人声明所呈交的论文是我个人在导师指导下进行的研究工作及取得的研究成果。尽我所知，除了文中特别加以

2、标注和致谢中所罗列的内容以外，论文中不包含其他人已经发表或撰写过的研究成果；也不包含为获得西安电子科技大学或其它教育机构的学位或证书而使用过的材料。与我一同工作的同志对本研究所做的任何贡献均已在论文中做了明确的说明并表示了谢意。申请学位论文与资料若有不实之处，本人承担一切的法律责任。本人签名：日期西安电子科技大学关于论文使用授权的说明本人完全了解西安电子科技大学有关保留和使用学位论文的规定，即：研究生在校攻读学位期间论文工作的知识产权单位属西安电子科技大学。学校有权保留送交论文的复印件，允许查阅和借阅论文；学校可

3、以公布论文的全部或部分内容，可以允许采用影印、缩印或其它复制手段保存论文。同时本人保证，毕业后结合学位论文研究课题再攥写的文章一律署名单位为西安电子科技大学。（保密的论文在解密后遵守此规定）本学位论文属于保密，在年解密后适用本授权书。本人签名：日期导师签名：日期摘要如何合理高效地组织图像数据、结合图像特征，将人工智能及知识发现等技术合理地运用于图像分类中，是当今计算机视觉研究领域的一个热点问题。自组织特征映射神经网络（SOFM,Self-organizationFeatureMap）是一种重要的自组织竞争学习模式

4、的神经网络模型。SOFM神经网络是将多维数据映射到低维规则网格中，可以有效的进行大规模的数据挖掘和聚类。但是SOFM神经网络的竞争自学习过程中对权值的更新缺乏全局最优性，而传统GA优化方法进化速度慢和产生“早熟”现象。本文所研究的基于拉马克学习遗传算法（LGA,LamarckianGeneticAlgorithm）的神经网络学习策略，利用遗传算法对SOFM的优化来解决神经网络的缺陷,并将文中的方法应用于图像分割，包括纹理和SAR图像分割。本文的主要内容：采用LGA对SOFM网络的参数权值更新优化。其中主要包括网络

5、权值的更新过程的改进，在采用LGA的过程中，本文使用到了结合量化误差和皮尔森相关系数的函数来作为遗传操作的适应度函数,同时在遗传操作过程中引入拉马克学习机制。经过优化后的SOFM网络在纹理图像分割应用中的分割结果明显高于传统的自组织特征映射神经网络。实现了一种基于分水岭算法和LGA-SOFM神经网络结合的SAR图像分割。由于神经网络本身对数据聚类有着较高的计算复杂度，直接利用LGA-SOFM网络进行大量的数据分割会耗费过多的时间和资源。利用分水岭算法首先对图像进行初始分割，然后再利用LGA-SOFM网络对样本数据

6、聚类以达到SAR图像分割的目的。关键词：图像分割自组织特征映射神经网络遗传算法拉马克学习AbstractIt’sahotproblemincomputervisionresearchareathathowtoorganizeand combinetheimagedatareasonablyandeffectivelyandhowtouseartificialintelligent andknowledgediscoveryintheimagesclassification.Self-organizingFeatu

7、re Map(SOFM，Self-organizationFeatureMap)NeuralNetworkisaimportant self-organizingcompetitivelearningneuralnetworkmodel.TheSOFMnetworkcan projectmulti-dimensionaldataonalow-dimensionalregulargrid,sothanitcanbe utilizedtoexplorepropertiesofthelargedata.Butthepr

8、ocessofweightupdatedto SOFMneuralnetworkself-learninglacksofglobaloptimal.Theevolutionof optimizationmethodbytraditionalGAisslowandhasprematurephenomenon.The geneticalgorithmbasedonLamarc