学位论文 > 优秀研究生学位论文题录展示

基于特征向量和神经网络的边缘检测算法研究

作　者: 曹晶人
导　师: 秦树凯
学　校: 东北大学
专　业: 控制理论与控制工程
关键词: 数字图像处理边缘检测特征向量 BP神经网络粒子群优化算法
分类号: TP391.41
类　型: 硕士论文
年　份: 2009年
下　载: 71次
引　用: 1次
阅　读: 论文下载

内容摘要

数字图像边缘检测是进行图像处理的重要环节之一。该操作的输出结果,即图像的边缘,包含了很多图像的有用信息,可以作为图像进一步处理的重要依据。边缘检测的是否准确,直接影响到图像后续处理的质量。本文就是针对灰度数字图像边缘检测的算法抗噪性能进行研究。为了提高算法的抗噪性能,设计了具有抗噪声能力的图像特征向量,将它和BP神经网络相结合,建立了具有较强抗噪声干扰能力的边缘检测算法,为图像进一步处理和研究做好铺垫。本文首先介绍了进行数字图像边缘检测算法研究所必要具备的基础知识,包括数字图像处理的前期准备工作,即图像的采样和量化,图像的平滑处理等。之后本文对现在应用较为广泛的经典边缘检测算法的研究成果也进行了相应的介绍,对各种经典算法的优点与不足进行了对比分析,为提出新方法打下基础。同时,基础部分还介绍了边缘检测算法的评估方法,为算法性能的研究提供了科学的依据。接着本文对神经网络边缘检测算法进行了深入的研究。针对神经网络边缘检测输入量大的现实,采用了特征向量进行图像特征提取以缩小直接象素点灰度输入时的输入规模,并进行了特征向量的选取和改进的研究。针对图像采集和传输中噪声干扰严重的情况,构造了既有较强边缘提取能力,又有较强抗噪声能力的特征向量。同时,利用BP神经网络强大的记忆能力实现了原始图像到边缘图像的映射。通过将本文方法用于对人造图像和真实图像进行边缘检测的仿真,将本文方法和经典算法进行对比,验证了本文方法的可行性和优于经典算法的抗噪能力。仿真同时还将本文方法和金炜、俞建定方法的检测结果对比,验证了本文方法在时间上的优势。为了加快算法训练过程中的快速性和可靠性,避免BP算法容易陷入局部极小的缺点,本文采用了粒子群优化算法进行网络权值、阈值全局寻优,粒子群优化算法以其强大的寻优能力和参数少、易于实现的特点,大大提高了算法实现的速度和算法的可靠性。为了克服粒子群算法的收敛问题,在用其进行全局寻优后,再用BP算法对网络参数进行局部细调。仿真实验结果表明这种方案有效可行。

全文目录

摘要  5-6
ABSTRACT  6-9
第1章绪论  9-15
  1.1 课题的研究背景及其意义  9-10
  1.2 数字图像边缘检测算法存在的问题  10-11
  1.3 数字图像边缘检测算法的发展与研究现状  11-14
  1.4 本文的主要工作  14-15
第2章数字图像边缘检测的理论基础  15-31
  2.1 基础知识  15-19
    2.1.1 数字图像的采样与量化  15-16
    2.1.2 边缘的数学描述  16-17
    2.1.3 数字图像增强  17-19
  2.2 数字图像边缘检测的经典方法  19-27
    2.2.1 一阶算子法  20-23
    2.2.2 二阶算子法  23-25
    2.2.3 Canny算子法  25-26
    2.2.4 经典边缘检测算法总结  26-27
  2.3 数字图像边缘检测算法的性能评估  27-29
    2.3.1 边缘连续性  27
    2.3.2 边缘光滑性  27
    2.3.3 边缘细化程度  27-28
    2.3.4 边缘的定位  28
    2.3.5 抗噪性  28-29
    2.3.6 时间复杂度  29
  2.4 本章小结  29-31
第3章基于特征向量和BP神经网络的边缘检测算法改进  31-57
  3.1 BP神经网络基础知识  31-33
    3.1.1 BP神经网络  31-32
    3.1.2 BP学习算法  32-33
  3.2 基于特征向量和BP神经网络的边缘检测算法改进  33-38
    3.2.1 特征向量的提取  34-37
    3.2.2 神经网络用于边缘检测  37-38
  3.3 仿真实验及结果分析  38-56
    3.3.1 特征向量提取和神经网络训练  40-43
    3.3.2 改进方法的性能评价  43-56
  3.4 本章小结  56-57
第4章 PSO提高边缘检测算法实现的可靠性  57-67
  4.1 PSO算法介绍  57-61
    4.1.1 基本PSO算法原理  58-59
    4.1.2 带惯性权重的PSO算法  59-60
    4.1.3 PSO算法步骤  60-61
  4.2 PSO算法用于BP神经网络边缘检测  61-63
  4.3 仿真实验及结果分析  63-65
  4.4 本章小结  65-67
第5章总结与展望  67-69
参考文献  69-73
致谢  73

基于特征向量和神经网络的边缘检测算法研究

内容摘要

全文目录

相似论文