基于遺傳神經網絡的圖像邊緣檢測.pdf

1、邊緣是圖像最基本的特征之一，邊緣包含了一副圖像的大部分信息，通過邊緣信息就可以辨認一個物體。邊緣檢測是特征提取、模式識別等圖像分析領域的基礎，是圖像預處理的一個重要環(huán)節(jié)，直接關系到整個處理系統(tǒng)的效率及準確性。目前邊緣檢測已經有很多方法，其中經典的方法有Sobel算子、Roberts算子、Laplace算子等，這些方法簡單、運行速度快，對檢測一般的圖片的邊緣有較好的效果，但是對一些復雜的圖片，比如背景復雜的人臉圖像、醫(yī)學圖像、遙感圖像等，

2、不能得到很好的效果。近年來很多智能算法逐漸應用到圖像處理的各個領域，比如遺傳算法、蟻群算法、神經網絡和粒子群算法等，為邊緣檢測提供了更廣闊的發(fā)展空間。本文對神經網絡和遺傳算法的結合進行可行性分析之后，給出了利用遺傳神經網絡算法對圖像進行邊緣檢測的實現(xiàn)過程。主要研究內容及結果如下：
　　 ⑴在設計神經網絡模型時引入Sobel算子、Roberts算子和Prewitt算子，將每個算子在X和Y方向上的模板作為一個隱含層節(jié)點，避免了尋找最

3、佳隱含層神經元個數的復雜問題。
　　 ⑵選取樣本圖像時，沒有采用二值圖像，而是直接用邊緣清晰、不含噪聲的灰度圖像作為訓練圖片，并提出分塊平均的邊緣檢測方法，用該方法檢測訓練圖像的邊緣作為人工導師信號。
　　 ⑶利用遺傳算法全局優(yōu)化能力，對神經網絡隨機產生的權值矩陣進行優(yōu)化，在進行遺傳操作時，采用改進的自適應調整交叉概率和變異概率，降低了進化走向局部最優(yōu)解的幾率。
　　 ⑷將訓練好的遺傳神經網絡模型對人臉圖片進行邊