首页> 中文学位 >小波神经网络特征提取技术在图像边缘检测中的应用
【6h】

小波神经网络特征提取技术在图像边缘检测中的应用

代理获取

目录

封面

声明

中文摘要

英文摘要

目录

第一章 引 言

1.1 本次课题研究背景和目的

1.2 边缘检测技术的发展

1.3 本论文研究的内容概述和相关安排

1.4 本章小结

第二章 边缘和边缘检测

2.1 图像边缘与分类

2.2 边缘检测方法描述

2.3 各种算子边沿检测结果对比

2.4 关于边缘检测算法的性能评估

2.5 本章小结

第三章 神经网络

3.1 神经网络

3.2 神经网络的学习过程与训练过程

3.3 神经网络在边缘检测中的应用情况

3.4 本章小结

第四章 神经网络用于图像边缘检测

4.1 图像边缘特征提取过程

4.2 神经网络的构造

4.3 神经网络学习及应用流程

4.4 本章小结

第五章 神经网络用于图像边缘检测的实现

5.1 建立在神经网络基础上的图像边缘检测算法

5.2 Lena标准图像检测结果

5.3 高斯白噪声Lena图像及其边缘检测结果

5.4 不同阈值下对Lena标准图像WNN边缘检测结果

5.5 WNN检测其它图像

5.6 训练时间对比

5.7 定量评价

5.8 定性评价

5.9 本章小结

第六章 总结与展望

致谢

参考文献

展开▼

摘要

本文主要工作围绕基于灰度图像的边缘检测技术出发,提出了一种新的神经网络检测方法,构造了新的神经网络拓扑结构并设计了相应的算法,最后通过仿真实验对方法进行了验证,实验结果表明这一方法具有强的弱边缘检测能力和较好的鲁棒性,并对白噪声具有很好的滤波作用,主要工作如下:
  1、首先研究了图像边缘及分类,概述了传统的边缘检测方法,详细讨论了经典边缘检测算子,并验证了其检测效果。
  2、研究了神经网络理论,探讨结合图像边缘特点构造神经网络,系统研究并分析了小波神经网络的结构及分类与学习算法。
  3、通过比较分析多种经典边缘检测算子各自的特点和性质,得出了各种算子的优缺点,以及它们各自的适用范围:基于梯度的边缘检测算子算法虽然操作简单,但是抗噪性能不是太好,多用在对边缘比较清楚的图像进行检测;线性滤波边缘检测算子适用于背景较复杂的图像。实验结果表明,其检测性能于梯度算子边缘检测方法。
  4、通过编程实现WNN用于图像边缘检测。实验结果表明,WNN在噪声图像中能够很好的检测连续性弱边缘,对经典检测算子不能提取的弱边缘表现出良好的检测效果,同时,本文的构造的WNN具备了较强的鲁棒性,同时小波神经网络对于图像噪声具有很好的天然降噪能力。
  通过本文的研究,对图像处理中用到的边缘检测方法具有一定的参考价值。该方法在降噪、弱边缘信息提取具有很好的能力。

著录项

相似文献

  • 中文文献
  • 外文文献
  • 专利
代理获取

客服邮箱:kefu@zhangqiaokeyan.com

京公网安备:11010802029741号 ICP备案号:京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有
  • 客服微信

  • 服务号