一种改进的细胞神经网络图像边缘提取方法

发布时间：2022-09-30 21:42

　　目的:为了进一步提高细胞神经网络的处理速度,减少计算的迭代次数.方法:首先对细胞神经网络模型的输出函数进行改进,并对模板的取值范围进一步确定.其次,用反应扩散方程来改进阈值,并融入了图像梯度信息和构造的调整函数,使其可以自动根据图像的梯度生成一个扩散矩阵,自适应地为每一个像素点选取不同的阈值.结果:图像处理的运行时间和迭代次数都减少了一半,图像边缘提取的结果更加精确.结论:用此方法选取2种不同类型的图像进行MATLAB仿真,与几种常用的边缘提取算法处理结果相比,在视觉效果上取得了很大提升,并提高了边缘提取的效率和准确性. 

【文章页数】：7 页

【文章目录】：
1 细胞神经网络概述
    (1)输出方程为:
    (2)取C=1,Rx=1,状态方程为[10-11]:
2 基于反应扩散方程的改进细胞神经网络模型
    2.1 细胞神经网络模型输出函数的改进
    2.2 细胞神经网络模型模板取值范围的确定
    2.3 基于反应扩散模型的阈值改进
3 实验与结果
    3.1 模板有效性验证
    3.2 算法效果仿真
4 结语


【参考文献】：
期刊论文
[1]SA-PSO算法在CNN边缘提取模板设计中的应用[J]. 张捷,田袁,邓绍江.  重庆大学学报. 2016(04)
[2]基于五阶CNN的图像边检测算法研究[J]. 李国东,王雪,赵国敏.  安徽大学学报(自然科学版). 2015(03)
[3]基于混沌粒子群优化算法的CNN图像边缘提取方法[J]. 仝瑞阳,刘刚森.  河南大学学报(自然科学版). 2012(03)
[4]Medical image segmentation based on cellular neural network[J]. 姚力 ,刘佳敏 ,谢咏圭.  Science in China（Series F:Information Sciences）. 2001(01)

硕士论文
[1]基于非线性动力系统的图像处理[D]. 牛蕾.东北林业大学 2015
[2]基于CNN奶牛数字图像边缘提取的研究与应用[D]. 李婷姣.河北农业大学 2011
[3]基于细胞神经网络的图像分割算法研究[D]. 王灿.重庆大学 2008



本文编号：3684325