基于SOM網(wǎng)的多目標圖像輪廓提取技術的研究.pdf

1、圖像輪廓提取是圖像處理的重要組成部分，是計算機視覺領域的重要研究課題之一。但是已有的輪廓提取技術難以反映圖像中所包含的目標信息，因此近年來針對含有多個目標物體的圖像的輪廓提取技術，已經(jīng)逐漸成為人們研究的熱點。
　　ACM模型的提出為輪廓提取提供了新的思路，開創(chuàng)了基于形變模型的圖像處理的先河。經(jīng)過多年來的改進和創(chuàng)新，尤其是人工神經(jīng)網(wǎng)絡的引入，使得ACM模型在輪廓提取方面獲得了嶄新的突破。其中較為成熟的輪廓提取方法當屬基于BSOM人工

2、神經(jīng)網(wǎng)絡的ACM模型，它在簡單多目標圖像提取方面已經(jīng)獲得了比較理想的效果，但是對于復雜的多目標圖像還難以實現(xiàn)有效的輪廓提取。
　　本文的工作主要圍繞基于BSOM的ACM模型進行輪廓提取的方法展開。首先，從神經(jīng)網(wǎng)絡出發(fā)，提出了改進型的FN-SOM網(wǎng)絡訓練方法，改進了傳統(tǒng)FN-SOM的鄰域關系，提升了FN-SOM網(wǎng)絡的聚類特性，并且通過仿真實驗驗證了改進的有效性，為后期輪廓提取改進方案的實現(xiàn)提供了有效地網(wǎng)絡準備工作。然后再針對BSOM

3、方法在輪廓提取中存在不足，提出了兩種改進方案。一種是針對彩色圖像，首次將FN-SOM網(wǎng)絡應用于彩色圖像的分割，再利用傳統(tǒng)的BSOM方法提取圖像像輪廓，該方法經(jīng)驗證可以有效提取多目標彩色圖像輪廓，但是算法復雜的較高。另一種改進方案是從BSOM自身結構出發(fā)進行改進，主要是把FN-SOM的概念引入到BSOM網(wǎng)絡中來，提出了基于FN-BSOM的ACM模型，并通過虛假鄰域定位出第二層獲勝神經(jīng)元，同時在迭代過程中根據(jù)虛假鄰域關系控制添加或刪除神經(jīng)元