河南大学学报（自然科学版）
河南大學學報（自然科學版）
하남대학학보（자연과학판）
JOURNAL OF HENAN UNIVERSITY(NATURAL SCIENCE)
2012年
3期
309-314
,共6页
细胞神经网络%混沌粒子群优化算法%图像边缘提取%模板参数
細胞神經網絡%混沌粒子群優化算法%圖像邊緣提取%模闆參數
세포신경망락%혼돈입자군우화산법%도상변연제취%모판삼수
细胞神经网络(Cellular Neural Network,CNN)具有能够高速并行计算,易于硬件实现等特点,使其在未来的图像处理方面展现出了广阔的应用前景.CNN较好地探测出图像中边缘的关键在于设计出一组较好的模板参数.提出一种基于混沌粒子群优化算法求解模板参数的方法,一方面,避免了分析细胞神经网络动态性能的一系列复杂过程；另一方面,通过将搜索过程映射为对混沌轨道的遍历过程,可以使得搜索过程避免陷入局部极小,并且在模板参数的范围内能快速找到最优模板值.仿真实验表明,利用该方法设计出来的CNN去探测图像中的边缘比已有结果和利用几种经典边缘提取算子得到的边缘结果更加精确.
細胞神經網絡(Cellular Neural Network,CNN)具有能夠高速併行計算,易于硬件實現等特點,使其在未來的圖像處理方麵展現齣瞭廣闊的應用前景.CNN較好地探測齣圖像中邊緣的關鍵在于設計齣一組較好的模闆參數.提齣一種基于混沌粒子群優化算法求解模闆參數的方法,一方麵,避免瞭分析細胞神經網絡動態性能的一繫列複雜過程；另一方麵,通過將搜索過程映射為對混沌軌道的遍歷過程,可以使得搜索過程避免陷入跼部極小,併且在模闆參數的範圍內能快速找到最優模闆值.倣真實驗錶明,利用該方法設計齣來的CNN去探測圖像中的邊緣比已有結果和利用幾種經典邊緣提取算子得到的邊緣結果更加精確.
세포신경망락(Cellular Neural Network,CNN)구유능구고속병행계산,역우경건실현등특점,사기재미래적도상처리방면전현출료엄활적응용전경.CNN교호지탐측출도상중변연적관건재우설계출일조교호적모판삼수.제출일충기우혼돈입자군우화산법구해모판삼수적방법,일방면,피면료분석세포신경망락동태성능적일계렬복잡과정；령일방면,통과장수색과정영사위대혼돈궤도적편력과정,가이사득수색과정피면함입국부겁소,병차재모판삼수적범위내능쾌속조도최우모판치.방진실험표명,이용해방법설계출래적CNN거탐측도상중적변연비이유결과화이용궤충경전변연제취산자득도적변연결과경가정학.
