中国科学E辑
中國科學E輯
중국과학E집
SCIENCE IN CHINA (SERIES E)
2003年
6期
505-521
,共17页
余农%吴常泳%李范鸣%吴立德
餘農%吳常泳%李範鳴%吳立德
여농%오상영%리범명%오립덕
数学形态学%图像分析%目标检测%神经网络%优化计算
數學形態學%圖像分析%目標檢測%神經網絡%優化計算
수학형태학%도상분석%목표검측%신경망락%우화계산
提出了一种具有实用意义的形态滤波神经网络模型及其网络参数的模拟退火优化算法. 通过分析指出, 形态滤波网络的优化设计过程实际上就是网络参数(结构元素)不断调整、逐步适应图像环境的优化学习过程, 从而将目标客体的特征规律反映到网络结构上来, 赋予结构元素特定的知识, 使形态滤波过程融入特有的智能, 以实现对复杂变化的图像具有良好的滤波性能和稳健的适应能力. 为结合运动图像目标的检测需要, 采用了渐近收缩误差、适时校正网络权值的动态跟踪学习算法. 通过实验结果可以看出, 该算法不仅能适应复杂多样的背景环境, 而且对运动目标的持续检测能力具有位移不变、伸缩不变和旋转不变的特性.
提齣瞭一種具有實用意義的形態濾波神經網絡模型及其網絡參數的模擬退火優化算法. 通過分析指齣, 形態濾波網絡的優化設計過程實際上就是網絡參數(結構元素)不斷調整、逐步適應圖像環境的優化學習過程, 從而將目標客體的特徵規律反映到網絡結構上來, 賦予結構元素特定的知識, 使形態濾波過程融入特有的智能, 以實現對複雜變化的圖像具有良好的濾波性能和穩健的適應能力. 為結閤運動圖像目標的檢測需要, 採用瞭漸近收縮誤差、適時校正網絡權值的動態跟蹤學習算法. 通過實驗結果可以看齣, 該算法不僅能適應複雜多樣的揹景環境, 而且對運動目標的持續檢測能力具有位移不變、伸縮不變和鏇轉不變的特性.
제출료일충구유실용의의적형태려파신경망락모형급기망락삼수적모의퇴화우화산법. 통과분석지출, 형태려파망락적우화설계과정실제상취시망락삼수(결구원소)불단조정、축보괄응도상배경적우화학습과정, 종이장목표객체적특정규률반영도망락결구상래, 부여결구원소특정적지식, 사형태려파과정융입특유적지능, 이실현대복잡변화적도상구유량호적려파성능화은건적괄응능력. 위결합운동도상목표적검측수요, 채용료점근수축오차、괄시교정망락권치적동태근종학습산법. 통과실험결과가이간출, 해산법불부능괄응복잡다양적배경배경, 이차대운동목표적지속검측능력구유위이불변、신축불변화선전불변적특성.