基于特征向量和神經(jīng)網(wǎng)絡(luò)的邊緣檢測算法研究.pdf

1、數(shù)字圖像邊緣檢測是進行圖像處理的重要環(huán)節(jié)之一。該操作的輸出結(jié)果,即圖像的邊緣,包含了很多圖像的有用信息,可以作為圖像進一步處理的重要依據(jù)。邊緣檢測的是否準(zhǔn)確,直接影響到圖像后續(xù)處理的質(zhì)量。
　　 本文就是針對灰度數(shù)字圖像邊緣檢測的算法抗噪性能進行研究。為了提高算法的抗噪性能,設(shè)計了具有抗噪聲能力的圖像特征向量,將它和BP神經(jīng)網(wǎng)絡(luò)相結(jié)合,建立了具有較強抗噪聲干擾能力的邊緣檢測算法,為圖像進一步處理和研究做好鋪墊。
　　 本

2、文首先介紹了進行數(shù)字圖像邊緣檢測算法研究所必要具備的基礎(chǔ)知識,包括數(shù)字圖像處理的前期準(zhǔn)備工作,即圖像的采樣和量化,圖像的平滑處理等。之后本文對現(xiàn)在應(yīng)用較為廣泛的經(jīng)典邊緣檢測算法的研究成果也進行了相應(yīng)的介紹,對各種經(jīng)典算法的優(yōu)點與不足進行了對比分析,為提出新方法打下基礎(chǔ)。同時,基礎(chǔ)部分還介紹了邊緣檢測算法的評估方法,為算法性能的研究提供了科學(xué)的依據(jù)。
　　 接著本文對神經(jīng)網(wǎng)絡(luò)邊緣檢測算法進行了深入的研究。針對神經(jīng)網(wǎng)絡(luò)邊緣檢測輸入量

3、大的現(xiàn)實,采用了特征向量進行圖像特征提取以縮小直接象素點灰度輸入時的輸入規(guī)模,并進行了特征向量的選取和改進的研究。針對圖像采集和傳輸中噪聲干擾嚴(yán)重的情況,構(gòu)造了既有較強邊緣提取能力,又有較強抗噪聲能力的特征向量。同時,利用BP神經(jīng)網(wǎng)絡(luò)強大的記憶能力實現(xiàn)了原始圖像到邊緣圖像的映射。通過將本文方法用于對人造圖像和真實圖像進行邊緣檢測的仿真,將本文方法和經(jīng)典算法進行對比,驗證了本文方法的可行性和優(yōu)于經(jīng)典算法的抗噪能力。仿真同時還將本文方法和金