基于細(xì)胞神經(jīng)網(wǎng)絡(luò)的圖像邊緣提取算法研究 畢業(yè)設(shè)計

《基于細(xì)胞神經(jīng)網(wǎng)絡(luò)的圖像邊緣提取算法研究 畢業(yè)設(shè)計》由會員上傳分享，免費(fèi)在線閱讀，更多相關(guān)內(nèi)容在學(xué)術(shù)論文-天天文庫。

1、天津職業(yè)技術(shù)師范大學(xué)TianjinUniversityofTechnologyandEducation畢業(yè)設(shè)計專業(yè)：班級學(xué)號：學(xué)生姓名：指導(dǎo)教師：二○一二年六月天津職業(yè)技術(shù)師范大學(xué)本科生畢業(yè)設(shè)計基于細(xì)胞神經(jīng)網(wǎng)絡(luò)的圖像邊緣提取算法研究Researchalgorithmonedgeextractionofimagesusingcellularneuralnetworkmethod專業(yè)班級：學(xué)生姓名：指導(dǎo)教師：系別：2012年6月摘要圖像的邊緣提取是圖像分割、目標(biāo)區(qū)域識別、區(qū)域形狀提取等圖像分析領(lǐng)域十

2、分重要的基礎(chǔ)，在工程應(yīng)用中占有十分重要的地位。細(xì)胞神經(jīng)網(wǎng)絡(luò)(CNN）是一種并行處理器，細(xì)胞神經(jīng)網(wǎng)絡(luò)技術(shù)在圖像模型識別上的應(yīng)用使系統(tǒng)具有更高的識別率。首先,詳細(xì)說明了用CNN提取圖像邊緣的有關(guān)理論和分析，給出了所設(shè)計的二值圖像算法的流程圖，將其用于檢測二值圖像邊緣。再在此基礎(chǔ)上，改進(jìn)了前人提出的分8層的算法，實(shí)現(xiàn)對灰度圖像的邊緣提取。然后,將此方法與傳統(tǒng)邊緣提取方法roberts、sobel、prewitt、log和canny等相比較可知，該方法的有效性。并且由于細(xì)胞神經(jīng)網(wǎng)絡(luò)能夠高速并行計算，處理

3、速度與圖像大小無關(guān)，同時便于硬件的實(shí)現(xiàn)，這使得它在圖像實(shí)時處理方面還有很大的發(fā)展?jié)摿梢园l(fā)掘。關(guān)鍵詞：圖像處理；邊緣提取；CNN；算法ABSTRACTImageedgeextractionisimagesegmentation,thetargetarearecognition,regionalshapeextractionfromimageanalysisareaveryimportantbasisinengineeringapplicationinanimportantposition.Cel

4、lularneuralnetwork(CNN)isakindofparallelprocessorandcellularneuralnetworktechnologyintheapplicationofimagemodelidentificationsystemarehigherrecognitionrate.Firstly,detaileddescriptionoftheimageedgeextractionwithCNNthetheoryandanalysis,thenwegivethebi

5、naryimagedesignflowchartofthealgorithmfortestingofthebinaryimageedge.Andonthebasisofthis,theimprovementonpreviousproposedpointsofeightlayerarithmetic,realizetothegrayimageedgeextraction.Then,themethodandthetraditionaledgeextractionmethods,forinstance

6、,Roberts,Sobel,Prewittandlogcompared,etc,itisknownthattheeffectivenessofthemethod.Andbecausethecellularneuralnetworkcanhigh-speedparallelcomputing,andtheprocessingspeedhavenothingtodowiththeimagesize,andfacilitateatthesametimetherealizationofhardware

7、,thismakesitinimageprocessingofrealtimehavegreatpotentialforgrowth.KeyWords：Imageprocessing;Edgedetection;CNN;Arithmetic目錄1引言12圖像邊緣提取的基本知識33基于CNN的圖像邊緣提取63.1CNN基本知識63.2細(xì)胞神經(jīng)網(wǎng)絡(luò)在圖像處理中的應(yīng)用介紹83.3基于CNN的二值圖像邊緣提取算法介紹93.4基于CNN的灰度圖像邊緣提取算法介紹123.4.1圖像分8個位面的算法介紹123

8、.4.2灰度值線性變換的算法介紹123.5圖像邊緣提取傳統(tǒng)算法介紹133.5.1Roberts邊緣算子143.5.2Prewitt邊緣算子143.5.3Sobel邊緣算子153.5.4Log邊緣算子163.5.5Canny邊緣算子183.6基于CNN的算法和傳統(tǒng)方法仿真結(jié)果的比較19結(jié)論24參考文獻(xiàn)25致謝27附錄28天津職業(yè)技術(shù)師范大學(xué)2012屆本科生畢業(yè)設(shè)計1引言數(shù)字圖像邊緣檢測技術(shù)起源于20世紀(jì)20年代，當(dāng)時受條件的限制一直沒有取得較大進(jìn)展，直到20世紀(jì)60年代后期電子技術(shù)、計算機(jī)技術(shù)有了