基于改進的模糊BP神經(jīng)網(wǎng)絡的圖像分割方法研究.pdf

1、視覺對人類感知世界極為重要，是人類從世界獲取信息的最主要途徑。圖像作為視覺信息的基礎，客觀地向人類展示了世界上的萬事萬物，從而使人們了解世界及其本身。隨著計算機技術的不斷發(fā)展，借助于計算機對圖像進行處理，能更好地幫助人類發(fā)現(xiàn)知識，不斷拓展人類對世界認知的深度、廣度。經(jīng)過幾十年的努力，圖像處理領域已經(jīng)形成了較為完善的圖像工程體系，包括圖像分割、圖像合并、圖像檢索等技術。圖像分割是圖像處理的關鍵環(huán)節(jié)，它將一副原始圖像分解為若干個具有特殊性質(zhì)

2、、互不重疊并且具有強相關性的集合，幫助人們觀察到更微觀的世界。從根本上講，圖像分割是一個將原始圖像進行分類的技術。
　　在圖像分割技術的發(fā)展過程中，上千種圖像分割方法被研究人員相繼提出。大體上，這些方法可以分為閾值分割、區(qū)域分割、邊緣分割和與特定理論結合的分割方法等幾種。閾值、區(qū)域和邊緣分割方法已經(jīng)發(fā)展較為成熟，最近的研究熱點是結合特定理論的分割方法，而特定理論包括聚類分析、模糊集理論、人工神經(jīng)網(wǎng)絡、遺傳算法等。新方法的不斷提出拓

3、寬了圖像分割的應用范圍，提高了分割精度。但是，現(xiàn)有算法依然存在以下問題:(1)分割結果容易失真，造成分割精度較低;(2)算法時間開銷較大，不適應于大規(guī)模數(shù)據(jù)地處理。
　　基于以上問題，本文選取目前分割效果較為理想的模糊BP神經(jīng)網(wǎng)絡方法進行改進。模糊理論具有模糊不確定性，能夠高度保真地從圖像中提取特征。選取合適的隸屬度函數(shù)能夠將原始圖像分成若干個區(qū)域間獨立性較強的區(qū)域，將圖像中每個像素點初次進行分類。賦予所有像素點一個模糊量-隸屬度

4、，它描述了像素點隸屬于某個模糊集的程度大小，用模糊理論對、圖像進行初步處理最大程度地保證了圖像不失真。BP神經(jīng)網(wǎng)絡具有較好的泛化能力、魯棒性和數(shù)值逼近能力，能夠有效地處理數(shù)值化信息，并行計算方式對降低算法的時間復雜度有很大幫助。并且，神經(jīng)網(wǎng)絡的數(shù)字處理能力可以對隸屬度函數(shù)產(chǎn)生的數(shù)值做進一步的處理，使得像素的隸屬度值更好地反映像素的歸類，將最終歸類的像素分類提取，便能產(chǎn)生一個高度保真的結果。
　　本文選取灰度圖像為研究對象，利用模糊

5、理論對圖像進行特征提取，形成BP神經(jīng)網(wǎng)絡的輸入數(shù)據(jù);然后從幾個方面對BP神經(jīng)網(wǎng)絡進行改進，使其在進行樣本訓練時能夠更快收斂，在提高圖像分割精度的同時降低時間復雜度。
　　本文的主要工作有以下幾個方面:
　　(1)系統(tǒng)介紹了圖像分割的研究背景及其發(fā)展現(xiàn)狀，總結了幾種常見方法的特點及面臨的問題。
　　(2)介紹了模糊理論和BP神經(jīng)網(wǎng)絡的工作原理，以輸入模糊量的形式構造模糊BP神經(jīng)網(wǎng)絡，并對神經(jīng)網(wǎng)絡傳輸函數(shù)、學習率、訓練算法