基于細胞神經(jīng)網(wǎng)絡的圖像邊緣提取.pdf

1、基于細胞神經(jīng)網(wǎng)絡的圖像邊緣提取重慶大學碩士學位論文（學術學位）學生姓名：田袁指導教師：鄧紹江教授專業(yè)：計算機應用技術學位門類：工學重慶大學計算機學院二O一二年十月重慶大學碩士學位論文中文摘要1摘要1988年蔡少棠教授提出了細胞神經(jīng)網(wǎng)絡(Cellularneutralwk簡稱CNN)，這種網(wǎng)絡結合了人工神經(jīng)網(wǎng)絡和細胞自動機的優(yōu)點。CNN是一種局部互聯(lián)的神經(jīng)網(wǎng)絡變體，整個網(wǎng)絡由大規(guī)模非線性模擬電路組成，因為其局部互聯(lián)的特性使得它具有高速并行

2、處理的能力。便于在VLSI上實現(xiàn)。目前CNN在圖像處理方面的應用已經(jīng)取得巨大成功。CNN在圖像處理的應用中，最主要的研究方向是找到一組能夠滿足處理任務的細胞之間相互的連接的權重(稱為模板)。目前主要存在兩種方法來尋找合適的模板，一類是基于約束條件分析法和學習法兩種算法，這兩種算法都是需要基于樣本空間。在樣本空間里對給定圖片和理想得到圖片進行抽象或訓練，得到合適的解，這組解則是能夠解決與樣本空間類似問題的克隆模板。這類方法對樣本選擇的要求

3、和尋找的過程控制要求非常高。如果控制不好就會造成對樣本的過分依賴而喪失推廣能力。第二類方法主要是根據(jù)待處理任務的特點直接設計模板(自適應性模板)，這種方法無需借助于樣本空間，而是直接根據(jù)當前需要解決的任務進行設定。本文將細胞神經(jīng)網(wǎng)絡用于圖像邊緣提取的應用研究中。首先基于第一類尋找模板的兩種方法分別進行實驗模擬；然后設計出一種自適應性算法用于彩色圖像的邊緣提取。文章的主要工作和創(chuàng)新點主要分為如下四點：(1)在灰度圖像的邊緣提取中，我們用目

4、前應用最廣泛的兩種方法：學習法和約束條件分析法對灰度邊緣提取CNN模板進行尋找。學習法我們采用粒子群(PSO)算法作為訓練算法在樣本空間對模板進行訓練。而對約束條件分析法我們采用解線性矩陣不等式(LMI)的方法來尋找模板參數(shù)。并用上述兩種方法得到的模板對灰度圖像邊緣進行提取。(2)當前在彩色圖像邊緣提取CNN模板的研究中，沒有提出合適的彩色空間適用于CNN的表示，也沒有一種公認的算法能找出CNN在彩色邊緣提取中的克隆模板。本文首次用CN

5、N直接在彩色空間上對圖像提取邊緣，根據(jù)在邊緣提取中，最主要關心像素之間的變化，而非像素本身這一特點。避免了文獻[40]提出的CNN用于彩色圖像處理中需要尋找多維模板的模型。(3)韋伯定理指出，人眼能識別的顏色最小變化值與其所在的背景顏色亮度有關；文獻[44]研究出的人眼視覺感受閾值門限函數(shù)。本文結合了這些人類視覺的研究成果，在彩色邊緣提取的CNN反饋模板的設計過程中引入閾值函數(shù)，使閾值具有很好的自適應性，本方法的第一個自適應性。(4)針