计算机工程与应用
計算機工程與應用
계산궤공정여응용
COMPUTER ENGINEERING AND APPLICATIONS
2003年
23期
111-113
,共3页
边缘检测%图像特征%遗传算法%神经网络
邊緣檢測%圖像特徵%遺傳算法%神經網絡
변연검측%도상특정%유전산법%신경망락
该文提出了一种基于遗传算法与图像特征向量的边缘检测方法.由于噪声的干扰,常规的图像边缘检测方法往往效果不佳,因此在充分考虑边缘和噪声本质区别的基础上,构造具有较强抗噪能力的特征向量;然后用样本图像对多层前馈神经网络采用遗传学习算法和误差反向传播算法(BP)相结合进行训练,即先用遗传学习算法进行全局训练,再用BP算法进行精确训练,使网络收敛速度加快和避免局部极小.最后,将训练后的网络用于图像的边缘检测.实验证明这种方法是有效的.
該文提齣瞭一種基于遺傳算法與圖像特徵嚮量的邊緣檢測方法.由于譟聲的榦擾,常規的圖像邊緣檢測方法往往效果不佳,因此在充分攷慮邊緣和譟聲本質區彆的基礎上,構造具有較彊抗譟能力的特徵嚮量;然後用樣本圖像對多層前饋神經網絡採用遺傳學習算法和誤差反嚮傳播算法(BP)相結閤進行訓練,即先用遺傳學習算法進行全跼訓練,再用BP算法進行精確訓練,使網絡收斂速度加快和避免跼部極小.最後,將訓練後的網絡用于圖像的邊緣檢測.實驗證明這種方法是有效的.
해문제출료일충기우유전산법여도상특정향량적변연검측방법.유우조성적간우,상규적도상변연검측방법왕왕효과불가,인차재충분고필변연화조성본질구별적기출상,구조구유교강항조능력적특정향량;연후용양본도상대다층전궤신경망락채용유전학습산법화오차반향전파산법(BP)상결합진행훈련,즉선용유전학습산법진행전국훈련,재용BP산법진행정학훈련,사망락수렴속도가쾌화피면국부겁소.최후,장훈련후적망락용우도상적변연검측.실험증명저충방법시유효적.