基于遺傳神經(jīng)網(wǎng)絡(luò)的深度圖像邊緣檢測(cè)算法研究.pdf

1、隨著科學(xué)技術(shù)的不斷發(fā)展，在人類對(duì)世界的不斷認(rèn)知中，傳統(tǒng)的計(jì)算機(jī)視覺(jué)已經(jīng)不能滿足三維物體識(shí)別的需要。深度圖像能夠準(zhǔn)確地表現(xiàn)物體目標(biāo)表面的三維幾何信息，因此深度圖像越來(lái)越受到重視，并廣泛應(yīng)用于計(jì)算機(jī)視覺(jué)、圖像分析等領(lǐng)域。 邊緣是圖像的基本特征，邊緣提取與檢測(cè)在圖像處理中占有很重要的地位，并在圖像識(shí)別、圖像剪切、圖像壓縮等領(lǐng)域起著重要作用。目前邊緣檢測(cè)的方法日趨多樣化，傳統(tǒng)的Roberts算子、Sobel算子等已經(jīng)很少單獨(dú)使用，神經(jīng)網(wǎng)

2、絡(luò)和遺傳算法等優(yōu)化算法在邊緣檢測(cè)中用的越來(lái)越多。 本論文主要圍繞神經(jīng)網(wǎng)絡(luò)和遺傳算法在深度圖像邊緣檢測(cè)過(guò)程中的具體應(yīng)用進(jìn)行探討，主要研究?jī)?nèi)容包括： 1.總結(jié)了對(duì)深度圖像進(jìn)行邊緣檢測(cè)的意義與研究現(xiàn)狀，詳細(xì)論述運(yùn)用神經(jīng)網(wǎng)絡(luò)和遺傳算法進(jìn)行邊緣檢測(cè)的國(guó)內(nèi)外研究動(dòng)態(tài)。 2.針對(duì)神經(jīng)網(wǎng)絡(luò)的缺陷，為了使其更好地應(yīng)用于深度圖像的邊緣檢測(cè)，對(duì)神經(jīng)網(wǎng)絡(luò)的訓(xùn)練和學(xué)習(xí)方法作了改進(jìn)。 3.詳細(xì)給出了遺傳算法的原理、特點(diǎn)及其基本策略，

3、嘗試將遺傳算法運(yùn)用于圖像邊緣檢測(cè)應(yīng)用中，并針對(duì)深度圖像數(shù)據(jù)量大的特點(diǎn)，對(duì)遺傳算法進(jìn)行改進(jìn)研究。 4.結(jié)合提出的方案，設(shè)計(jì)出一種BP神經(jīng)網(wǎng)絡(luò)與遺傳算法相結(jié)合的檢測(cè)算法。文中利用神經(jīng)網(wǎng)絡(luò)的自學(xué)習(xí)性，將用傳統(tǒng)算子檢測(cè)出的邊緣數(shù)據(jù)作為樣本對(duì)網(wǎng)絡(luò)進(jìn)行訓(xùn)練，并由中值特征向量來(lái)提取圖像的有效信息，以此作為神經(jīng)網(wǎng)絡(luò)的輸入序列。由于神經(jīng)網(wǎng)絡(luò)在計(jì)算過(guò)程中極易陷入極小值，同時(shí)收斂性較慢，所以首先用遺傳算法對(duì)神經(jīng)網(wǎng)絡(luò)的初值進(jìn)行選擇，這樣大大提高了運(yùn)算速