文档介绍：基于窬缡滞枷癖咴导觳馑惴ǖ难芯摘要边缘检测的基本理论。在此基础上提出了可以把数字图像的边图像边缘是指当两个区域各自的灰阶明显不同时,则称在这两个区域的边界上出现了边缘,它表示一个区域的结束和另~个区域的开始。借助于各种算法对图像的边缘进行处理、识别的过程称之为边缘检测。它是目前数字图像处理中的关键技术之一,也是信号与信息处理领域的一个重要基础性学科。现已在图像处理、人工智能、计算机识别、模式识别与分类、故障检测等方面得到了广泛应用。本文所做的主要工作:隽吮咴导觳饧际醯脑砑胺⒄棺纯觯低逞芯苛缘检测看作一类分类问题来进行研究。治隽嗽擞蒙窬缂际踅斜咴导觳獾墓谕庋芯动态,对基于神经网络的边缘检测技术进行了详细论述。治隽舜潮咴导觳馑惴ǹ乖肽芰Σ畹娜毕荩状翁出运用神经网络进行边缘检测的算法。文中构造了由三太原理工大学硕士研究生学位论文
知识水坝***@pologoogle为您整理
网络在结构上与网络很相似,但在学习规则上采取了更种特征量构成的特征向量来提取图像的有效信息,并以此作为神经网络的输入序列。经计算机仿真表明,该算法不仅可以很好地检测出图像的边缘,而且具有较强的抗噪能力。攵訪绱嬖诘摹八馈鄙窬!⑹樟怖训染窒性,提出了运用神经网络进行边缘检测的改进算法。该为合理的算法。新的算法对网络的获胜端和次胜端都进行了学习,学习速度采取了更为合理的变步长方式。经计算机仿真表明,改进算法使输出的边缘图像连续性得到了改善,抗噪能力也有了明显提高。低匙芙崃肆街炙惴ǖ挠湃钡悖晕蠢吹难芯糠较蜃了初步的探讨和展望。关键词:边缘检测,神经网络,学习向量量化,特征向量太原理工大学硕十研究生学位论文
知识水坝***@pologoogle为您整理
.,,.,,琾,甌
太原理工大学硕士研究生学位论文琣瓵甌琣瓵·瑃甌甌—‘‘”瓸
篍,...瑃琋琇太原理笱妒芯可宦畚—琓
符号说明,·:表示获胜神经元的权值向量,·牡趃次迭代,旱趇行/列女层的第蔚:列向量标量:小写斜体字母,如産,向量:小写黑正体字母,如琤,矩阵:大写黑正体字母,如珺,:表示第校械南袼匦畔:数字图像上一像素点的梯度:第愕木卣#罕硎镜趉层的净输入向量#罕硎镜趉层的输出向量,:行向量#旱趇行,列像素的输入特征向量:获胜神经元类别÷:目标输出的类别其余符号意义均参照正文中的介绍。太原理搜妒垦芯可宦畚
本人签名:之旌厶。日期:坦兰年兰月丛日独创性声明誓: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,除文中特别加以标注和致谢中所罗列的内容外,论文中不包含其他人已经发表或撰写过的研究成果;也不包含为获得太原理工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文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。
本人签名:焊兹掌冢禾构缒昀荚麓匀独创性声明誓: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,除文中特别加以标注和致谢中所罗列的内容外,论文中不包含其他人已经发表或撰写过的研究成果;也不包含为获得太原理工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文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。
,信息