首页 | 本学科首页   官方微博 | 高级检索  
相似文献
 共查询到17条相似文献,搜索用时 168 毫秒
1.
用遗传BP网络进行图像边缘检测   总被引:3,自引:0,他引:3  
该文提出了一种基于遗传算法与图像特征向量的边缘检测方法。由于噪声的干扰,常规的图像边缘检测方法往往效果不佳,因此在充分考虑边缘和噪声本质区别的基础上,构造具有较强抗噪能力的特征向量;然后用样本图像对多层前馈神经网络采用遗传学习算法和误差反向传播算法(BP)相结合进行训练,即先用遗传学习算法进行全局训练,再用BP算法进行精确训练,使网络收敛速度加快和避免局部极小。最后,将训练后的网络用于图像的边缘检测。实验证明这种方法是有效的。  相似文献   

2.
基于图像特征与面向对象BP算法的边缘检测   总被引:4,自引:0,他引:4  
金炜  俞建定 《计算机工程》2002,28(4):242-244
提出了一种基于图像特征与面向对象BP神经网络的边缘检测方法。首先,在图像特征的选取上,充分考虑边缘和噪声的本质区别,构造具有较强抗噪能力的特征向量;然后用经人工处理的样本对BP网络进行训练,将训练后的网络用于图像的边缘检测。  相似文献   

3.
采用改进的BP算法,实现人脸图像的边缘检测.构造了学习样本,并在较短时间内训练得到权值矩阵,从而实现二值图像边缘检测.在此基础上,综合灰度图像各位面的边缘提取结果,实现对灰度图像的边缘检测.利用ORL人脸数据库图像的实验,证明了将得到的权值矩阵用于人脸图像的边缘检测,泛化性较好,抗噪能力强,能得到较为连续精细的边缘.  相似文献   

4.
在RGB颜色空间中,分别提取R、G、B三个分量并计算R、G、B三个分量的组合V,通过引入模糊熵,构造出4个基于模糊熵的信息测度分量来定量描述彩色图像的边缘特征,并将4个测度分量组成一个整体的特征向量,计算训练图像的特征向量作为样本对BP网络进行训练,然后将训练的BP网络直接用于边缘检测。该方法充分考虑了颜色空间中各颜色分量以及它们之间的相关性;BP网络的结构和训练都比较简单;实验表明,改进方法具有较强的细节保持能力,对弱边缘具有较强的检测能力。  相似文献   

5.
郑美珠  赵景秀 《计算机应用》2011,31(9):2485-2488
针对在RGB空间很难有效区分颜色相似性的问题,选择HSI颜色空间进行图像处理和分析。首先计算饱和度、色度、亮度等色差分量,通过引入模糊熵,构造出一组基于模糊熵的信息测度分量来定量描述图像的边缘特征。利用训练样本获取该组分量,并组成一特征向量对BP神经网络进行训练,然后将训练的BP网络直接用于边缘检测。BP网络的结构和训练比较简单,而且不需要设定阈值检测边缘。实验表明,该方法具有较强的细节保持能力,达到了令人满意的边缘检测效果。  相似文献   

6.
基于蚁群优化的图像边缘检测算法   总被引:2,自引:0,他引:2       下载免费PDF全文
为提高图像边缘检测的精度与抗噪性能,提出一种基于蚁群优化的图像边缘检测算法.将图像像素梯度值和像素圆形邻域统计均值的相对差共同作为蚁群的启发信息,引导蚁群搜索图像边缘.实验结果表明,该算法能最大限度地保留边缘细节,并能抑制噪声和纹理,具有较好的鲁棒性.  相似文献   

7.
以改进智能交通控制中的车牌定位性能为目的,提出一种基于改进的边缘特性提取和改进BP神经网络的车牌定位新方法.该方法通过改进的图像的边缘特征提取方法,将边缘特征送入改进的BP神经网络进行训练学习,实现车牌的粗定位;再利用车牌本身的几何特征实现车牌的准确定位.实验结果表明该方法定位精度高,并提高了信息的实时处理性.  相似文献   

8.
车牌定位是车牌识别系统的关键技术之一.提出利用结构特征、纹理特征和颜色特征的车牌定位新方法.首先,利用顶帽变换抑制背景;其次,进行垂直边缘检测和形态滤波,通过结构特征进行车牌粗定位;再次,对候选区域的垂直投影应用一维小波分解滤噪,然后重构垂直投影,计算纹理统计量并构造纹理特征向量,应用BP神经网络识别车牌的字符纹理进行车牌的再定位;最后,对候选区域进行基于边缘颜色对的彩色边缘检测,根据其水平投影值进行车牌的精定位.对各种条件下拍摄的314幅含有车牌的车辆图像应用本算法,定位准确率达到98.7%.  相似文献   

9.
介绍了一种基于并行神经网络的汉字识别系统,该系统进行汉字图象的预处理后,针对汉字平移、旋转、尺度变化,提取三类相对稳定且抗噪、反映汉字结构信息的统计特征作为神经网络的输入,神经网络采用叠层BP网,用BP算法进行训练,学习和识别。本系统对标准BP算法做了若干改进,从速度和识别率上都得到了明显的提高;用PVM网络并行平台虚拟成并行机,实现叠层BP网的并行处理。  相似文献   

10.
基于BP神经网络的字符识别系统   总被引:1,自引:0,他引:1  
基于BP神经网络设计了一个字符识别系统.首先,对字符图像进行二值化处理,构造输入向量矩阵.其次,通过选取初始权值、隐层节点数和权值学习算法,创建BP神经网络,对样本数据进行训练,之后对加有噪声的样本再次进行训练,以提高网络的鲁棒性.最后进行仿真测试并制作图形用户界面GUI来模拟与演示该系统.仿真结果显示,该BP网络对噪声系数小于0.8的字符识别率可达95%,且网络训练时间可接受.  相似文献   

11.
The paper presents a fuzzy neural network system for edge detection and enhancement. The system can both: (a) obtain edges and (b) enhance edges by recovering missing edges and eliminate false edges caused by noise. The research is comprised of three stages, namely, adaptive fuzzification which is employed to fuzzify the input patterns, edge detection by a three-layer feedforward fuzzy neural network, and edge enhancement by a modified Hopfield neural network. The typical sample patterns are first fuzzified. Then they are used to train the proposed fuzzy neural network. After that, the trained network is able to determine the edge elements with eight orientations. Pixels having high edge membership are traced for further processing. Based on constraint satisfaction and the competitive mechanism, interconnections among neurons are determined in the Hopfield neural network. A criterion is provided to find the final stable result that contains the enhanced edge measurement. The proposed neural networks are simulated on a SUN Sparc station. One hundred and twenty-three training samples are well chosen to cover all the edge and non-edge cases and the performance of the system will not be improved by adding more training samples. Test images are degraded by random noise up to 30% of the original images. Compared with standard edge detection operators and enhancement techniques, the proposed system based on the neuro-fuzzy synergism obtains very good results.  相似文献   

12.
鉴于Gamma分布的SAR图像相干斑经对数变换后可近似为高斯分布,提出一种基于粒子群优化的BP神经网络复原去噪算法。首先用高斯噪声对无噪图像进行模糊处理,然后将结果和原图像组成训练对,用于训练优化后的神经网络,最后利用训练好的神经网络对SAR图像进行复原,从而达到去除相干斑的目的。实验表明,该算法能有效解决传统去噪算法在图像失真、边缘模糊方面的问题,收敛速度快,迭代次数少,归一化均方误差(NMSE)和峰值噪比(PSNR)效果更好。  相似文献   

13.
改进BP神经网络的自适应预测算法   总被引:3,自引:0,他引:3       下载免费PDF全文
针对视频编码中的耗时和图像不精确问题,提出改进BP神经网络的自适应预测算法。以区域生长、边缘检测和BP神经网络相结合,首先对图像进行对象分割,采用优化的传输结构,自适应调整学习率;然后在分割的基础上,进行自适应预测搜索编码。判断所选择块内是否有边界,若没有,不做运动估计,直接将当前块运动矢量置为零;若有,则进行自适应预测估计。根据不同的宏块特点,自适应地采取相应的搜索模式,减少搜索时间。实验结果表明,该算法与经典搜索算法相比,可取得良好的编码效果。  相似文献   

14.
根据Zernike矩具有正交性的特点,提出了一种基于Zernike矩和改进BP神经网络的流型识别新方法.该方法利用高速摄影仪获取水平管道内气液两相流的流动图像,并从图像中提取基于zernike矩的统计描述作为特征向量;同时,以此特征向量作为流型样本对改进BP神经网络进行训练,从而实现了对流动图像的流型智能化识别.结果表明,该方法能很好地识别七种典型流型,且其应用Zernike矩特征的分类精度明显高于用规则矩和Hu矩作为特征的识别方法,从而证明了基于Zernike矩的气液两相流流型识别方法的有效性.  相似文献   

15.
提出了一种基于堆栈滤波器和Hopfield神经网络的边界检测法,采用较小滤波窗口的堆栈滤波器优化估计的图象象素点之间的灰度梯度,再根据这些灰度梯度的优化估计值计算及确定Hopfield神经网络的权重矢量,Hopfield神经网络收剑时输出图象的边界。相对于基于堆栈滤波器边界检测法,该方法对堆栈滤波器的优化训练速度大大提高,所需内存大为减少,而相对于基于Hopfield神经网络的边界检测法,该方法又  相似文献   

16.
石晓龙  李新  许进 《计算机工程》2004,30(8):26-27,30
通过对经典边缘检测算法的研究,提出了基于前馈多层感知网络的边缘检测算法。在训练过程中结合边缘检测的特点对BP算法进行了改进。实验结果表明该算法具有很强的自适应性,能够在很大程度上避免背景及噪声对边缘检测结果的影响。  相似文献   

17.
A cellular neural network (CNN) based edge detector optimized by differential evolution (DE) algorithm is presented. Cloning template of the proposed CNN is adaptively tuned by using simple training images. The performance of the proposed edge detector is evaluated on different test images and compared with popular edge detectors from the literature. Simulation results indicate that the proposed CNN operator outperforms competing edge detectors and offers superior performance in edge detection in digital images.  相似文献   

设为首页 | 免责声明 | 关于勤云 | 加入收藏

Copyright©北京勤云科技发展有限公司  京ICP备09084417号