基于細胞神經(jīng)網(wǎng)絡的圖像分割算法研究.pdf

1、基于細胞神經(jīng)網(wǎng)絡的圖像分割算法研究重慶大學碩士學位論文學生姓名：王燦指導教師：楊小帆教授專業(yè)：計算機軟件與理論學科門類：工學重慶大學計算機學院二OO八年四月重慶大學碩士學位論文中文摘要I摘要細胞神經(jīng)網(wǎng)絡(CNN)是由許多細胞單元通過局部連接組成的，其中每個細胞可由線性和非線性電路構(gòu)成，可用VLSI實現(xiàn)，進行大規(guī)模的并行計算，因此它可應用于解決圖像處理任務，尤其是可應用于解決傳統(tǒng)方法還不能很好地解決的任務，比如：計算復雜性比較大的動態(tài)輪廓

2、線目標分割任務。CNN應用主要取決于模板設計，它決定了網(wǎng)絡的動態(tài)性能。本文主要研究的是CNN模板的設計及其在圖像分割中的應用。主要針對圖像的梯度、邊緣檢測、動態(tài)輪廓的圖像分割進行CNN的模板設計，利用離散細胞神經(jīng)網(wǎng)絡來實現(xiàn)GVF場，達到圖像分割的目的。本文主要工作包括：1回顧了細胞神經(jīng)網(wǎng)絡的基本概念、背景、發(fā)展現(xiàn)狀及硬件實現(xiàn)；闡述了圖像分割的目的、研究意義、常用技術(shù)及本課題研究的意義。2分析了細胞神經(jīng)網(wǎng)絡的動態(tài)范圍和穩(wěn)定性，指出CNN的

3、穩(wěn)定性與其反饋模板的中心元素有密切的關(guān)系，并闡述了圖像處理中CNN輸入與輸出的量化方法及其圖像處理的基本思想。3探討了CNN模板設計的學習方法和代數(shù)構(gòu)造法。在基于梯度的學習方法中，推導出CNN用于圖像處理的模板設計的學習規(guī)則，并給出相應的訓練算法及仿真結(jié)果，證實了該方法的可行性；在代數(shù)構(gòu)造法中，對細胞神經(jīng)網(wǎng)絡用于邊緣提取的模板進行詳細的研究，參照通用的模板，根據(jù)一系列條件，推導出細胞神經(jīng)網(wǎng)絡用于邊緣提取的模板取值范圍，在該范圍內(nèi)對圖像進