基于改進(jìn)的LVQ神經(jīng)網(wǎng)絡(luò)圖像邊緣提取研究

郎 俊，白國(guó)振，周 媛

(上海理工大學(xué) 機(jī)械工程學(xué)院，上海 200093)

圖像邊緣檢測(cè)算法的研究一直是圖像處理方面的重點(diǎn)關(guān)注對(duì)象。相對(duì)于傳統(tǒng)的邊緣檢測(cè)算子，人工神經(jīng)網(wǎng)絡(luò)對(duì)于處理復(fù)雜的環(huán)境信息、模糊的背景知識(shí)和推理規(guī)則的分類具有較好的優(yōu)越性。因而用神經(jīng)網(wǎng)絡(luò)實(shí)現(xiàn)邊緣特征的分類，從而實(shí)現(xiàn)圖像的邊緣檢測(cè)的方法引起了人們的關(guān)注。文獻(xiàn)[1]提出一種四元數(shù)和自組織神經(jīng)網(wǎng)絡(luò)(SOM)相結(jié)合的邊緣檢測(cè)算法，該算法提取的輪廓還保留有部分噪聲[1]。文獻(xiàn)[2]提出一種神經(jīng)網(wǎng)絡(luò)與模糊算法相結(jié)合的檢測(cè)方法[2]，文獻(xiàn)[3～4]提出了利用PCA結(jié)合LVQ的方式實(shí)現(xiàn)目標(biāo)物體的分類[3-4],文獻(xiàn)[5]提出一種相似性度量函數(shù)，判斷特征的相似度[5]，文獻(xiàn)[6]利用遺傳算法實(shí)現(xiàn)初始值優(yōu)化[6]。

本文通過圖像中像素的中值特征向量、方向信息特征向量和Krish算子方向特征向量構(gòu)建像素的特征向量(3×1的輸入矩陣)，作為神經(jīng)網(wǎng)絡(luò)的輸入，再利用改進(jìn)的GLVQ神經(jīng)網(wǎng)絡(luò)(MGLVQ)對(duì)圖像中的像素進(jìn)行分類，實(shí)現(xiàn)目標(biāo)邊緣輪廓的提取。

1 GLVQ神經(jīng)網(wǎng)絡(luò)

設(shè)有一組n個(gè)樣本，特征空間為p維，即x∈Rp其分布密度f(x)是不隨時(shí)間變化的。用i表示獲勝單元(最佳匹配單元)的標(biāo)號(hào)，定義如式(1)所示，損失函數(shù)以衡量獲勝神經(jīng)元權(quán)值與輸入向量x之間的歐式距離的誤差值(c為類別數(shù))。

(1)

式中uir是一組權(quán)重，在競(jìng)爭(zhēng)層神經(jīng)元權(quán)值的學(xué)習(xí)過程中，每次權(quán)值wr的更新，由隸屬度函數(shù)ur根據(jù)輸入向量X定義每個(gè)神經(jīng)元損失函數(shù)的值，從而使得每個(gè)神經(jīng)元的權(quán)值更新值不同。……