计算机应用与软件
計算機應用與軟件
계산궤응용여연건
COMPUTER APPLICATIONS AND SOFTWARE
2011年
5期
255-258,267
,共5页
图像边缘检测%CHNN%人工神经网络%加权参数参%数训练
圖像邊緣檢測%CHNN%人工神經網絡%加權參數參%數訓練
도상변연검측%CHNN%인공신경망락%가권삼수삼%수훈련
针对文献[1]中提出的CHNN图像边缘检测算法缺乏足够的参数来调节边缘检测的灵敏度以及检测结果图像边缘过宽的缺陷,提出一种改进的CHNN方法,称之为Weighted CHNN(加权的CHNN,简称WCHNN)方法.该方法在CHNN神经网络元的n个连接上施加权值,可以通过各种局部搜索、优化算法,使用指定的样本输入、样本输出等方法来训练该WCHNN网络从而确定各权值,使得WCHNN在保留了CHNN的优点的同时,还可以根据不同的样本输入输出图像来调节边缘检测的灵敏度,从而提高检测结果质量并避免检测结果中出现边缘过宽的情况.实验结果表明,训练后的WCHNN网络,比起CHNN有着更低的边缘检测错误率,并可检出原来CHNN方法漏检的边缘.
針對文獻[1]中提齣的CHNN圖像邊緣檢測算法缺乏足夠的參數來調節邊緣檢測的靈敏度以及檢測結果圖像邊緣過寬的缺陷,提齣一種改進的CHNN方法,稱之為Weighted CHNN(加權的CHNN,簡稱WCHNN)方法.該方法在CHNN神經網絡元的n箇連接上施加權值,可以通過各種跼部搜索、優化算法,使用指定的樣本輸入、樣本輸齣等方法來訓練該WCHNN網絡從而確定各權值,使得WCHNN在保留瞭CHNN的優點的同時,還可以根據不同的樣本輸入輸齣圖像來調節邊緣檢測的靈敏度,從而提高檢測結果質量併避免檢測結果中齣現邊緣過寬的情況.實驗結果錶明,訓練後的WCHNN網絡,比起CHNN有著更低的邊緣檢測錯誤率,併可檢齣原來CHNN方法漏檢的邊緣.
침대문헌[1]중제출적CHNN도상변연검측산법결핍족구적삼수래조절변연검측적령민도이급검측결과도상변연과관적결함,제출일충개진적CHNN방법,칭지위Weighted CHNN(가권적CHNN,간칭WCHNN)방법.해방법재CHNN신경망락원적n개련접상시가권치,가이통과각충국부수색、우화산법,사용지정적양본수입、양본수출등방법래훈련해WCHNN망락종이학정각권치,사득WCHNN재보류료CHNN적우점적동시,환가이근거불동적양본수입수출도상래조절변연검측적령민도,종이제고검측결과질량병피면검측결과중출현변연과관적정황.실험결과표명,훈련후적WCHNN망락,비기CHNN유착경저적변연검측착오솔,병가검출원래CHNN방법루검적변연.
