文档介绍：武汉理工大学
硕士学位论文
基于遗传神经网络的图像边缘检测
姓名:彭明星
申请学位级别:硕士
专业:应用数学
指导教师:桂预风
20091201
要摘边缘是图像最基本的特征之一。边缘包含了一副图像的大部分信息,通过边缘信息就可以辨认一个物体。边缘检测是特征提取、模式识别等图像分析领域的基础,是图像预处理的一个重要环节,直接关系到整个处理系统的效率及子、阕拥龋庑┓椒ḿ虻ァ⒃诵兴俣瓤欤约觳庖话愕耐计谋咴涤较好的效果,但是对一些复杂的图片,比如背景复杂的人脸图像、医学图像、遥感图像等,不能得到很好的效果。近年来很多智能算法逐渐应用到图像处理测提供了更广阔的发展空间。本文对神经网络和遗传算法的结合进行可行性分析之后,给出了利用遗传神经网络算法对图像进行边缘检测的实现过程。本文谏杓粕窬缒P褪币隨算子、阕雍蚉算子,将的灰度图像作为训练图片,并提出分块平均的边缘检测方法,用该方法检测训练图像的边缘作为人工导师信号。靡糯惴ㄈň钟呕芰Γ陨窬缢婊娜ㄖ稻卣蠼杏呕在进行遗传操作时,采用改进的自适应调整交叉概率和变异概率,降低了进化盗泛玫囊糯窬缒P投匀肆惩计斜咴导觳猓⒂氪车乃惴最后对含有不同密度的噪声图像进行检测,计算相应的信噪比,与其他算关键词:遗传算法神经网络边缘检测算子准确性目前边缘检测已经有很多方法,其中经典的方法有阕印算的各个领域,比如遗传算法、蚁群算法、神经网络和粒子群算法等,为边缘检的具体研究内容如下:每个算子在蚘方向上的模板作为一个隐含层节点,避免了寻找最佳隐含层神经元个数的复杂问题。∪⊙就枷袷保挥胁捎枚低枷瘢侵苯佑帽咴登逦⒉缓肷走向局部最优解的几率。进行对比,实验表明,该方法对于复杂背景的图片,仍然能检测出较好的边缘。法相比有更高的信噪比,算法具有一定的抗噪性
瑆..,.甒琣瓻,琤瑂,.,鹊琻琤辭.,瑃,.瑆琣,甀鎍

班嗍珥型毕∥独创性声明关于论文使用授权的说明本人声明,所呈交的论文是本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,除了文中特别加以标注和致谢的地方外,论文中不包含其他人已经发表或撰写过的研究成果,也不包含为获得武汉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研究所做的任何贡献均已在论文中作了明确的说明并表示了谢意。本人完全了解武汉理工大学有关保留、使用学位论文的规定,即学校有权保留、送交论文的复印件,允许论文被查阅和借阅;学校可以公布论文的全部或部分内容,可以采用影印、缩印或其他复制手段保存论文。C艿穆畚脑诮饷芎笥ψ袷卮斯娑签名:导师签名期:
第绪论本文研究背景及意义未有的广泛应用。边缘检测是图像分割,模式识别,特征提取等图像分析领域的基础,图像边缘检测作为图像预处理的一个重要环节,直接关系到整个处理系统的效率及准确性。对于一些复杂的图像,比如医学图像,遥感图像等对检测的精确度要求较高,传统的边缘检测算法在某种程度还不满足需要。虽然研究人员已经进行了广泛而深入的研究,边缘检测仍然是具有挑战性的课题,通常针对一类图像设计的边缘检测算法应用到别的图像时,效果往往有较大的差异,因此各种算法都存在一定的适应性和针对性。近年来人脸识别成为人工智能领域的研究热点,边缘检测作为特征提取的噪声的图片,传统的边缘检测算法不能准确的检测出真实的边缘,因此有必要研究一种适应性较强并具有很好抗噪性的边缘检测方法。随着图像处理领域对算法准确性不断提高,很多智能算法便逐渐应用到图像处理领域,比如神经网络、遗传算法、蚁群算法、粒子群算法等。世纪年代,神经网络的应用研究取得了很大的成绩,涉及的领域也越来越广泛。有计算机视觉、图像的识别、优化计算、智能控制以及复杂系统分析、模式识别好的模拟人眼的功能,对图像进行检测和识别,完成普通边缘检测算子难以完许多智能算法运用到图像处理领域,使得算法的计算量大、公式复杂、程序运算速度慢,这些特点影响了边缘检测技术的继续发展。近年来具有并行处理能力的超大规模集成电路、嵌入式系统迅速的发展,为边缘检测理论提供了良好的开发环境。边缘检测技术已经从最初的简单微分算子发展到了涵盖跨越多个学科的复杂体系,表现出巨大的发展潜力。本文将改进的遗传算法和神经网络相结合,利用遗传算法的全局优势来弥随着多媒体技术和因特网的迅速发展和普及,数字图像处理技术受到前所重要环节,直接影响到人脸识别的速度和准确性。对于背景纹理较复杂并含有等。神经网络具有的自学习、自适应和很强的信息综合能力,决定了它可以很成的边缘检测。武汉理笱妒垦宦畚
边缘检测技术的发展补神经网络的不足,提高对图像进行分类的速度和效率,保证了边缘检测的抗噪性和准确性。该算法的重点是利用机器学习理论来提升算法的适应性和准确图像的边缘检测技术是图像处理和分析中最重要、最基础的内容之一,