| 【中文题名】 | 基于神经网络的边缘检测 |
| 【英文题名】 | An Edge Detection Method Based on Neural Networks |
| 【学科专业】 | 控制理论与控制工程 |
| 【论文级别】 | 硕士论文 |
| 【投稿时间】 | 2007-4-27 |
| 【中关键词】 | 边缘检测,投影波形,Hopfield神经网络,,, |
| 【英关键词】 | edge detection,projection wave,Hopfield neural networks, |
| 【分类导航】 | 工业技术>自动化技术、计算机技术>自动化技术及设备>自动化系统>数据处理、数据处理系统>集中检测与巡回检测系统 |
| 【论文摘要】 |
边缘是图像的基本特征,边缘检测是图像处理的基础,并在图像识别、图像剪切、图像压缩等领域起着重要作用。目前的边缘检测的方法日趋多样化,传统的Roberts算子、Sobel算子等已经很少单独使用,神经网络等其他学科的知识在边缘检测中用的越来越多。神经网络所具有的自学习、自适应和很强的信息综合能力,决定了它可以很好地模拟人眼的功能,完成普通的边缘算子难以完成的边缘检测。运用神经网络进行数字图像的边缘检测成为近年来的研究热点。在现有的理论基础上,本文主要做了以下几方面工作:
(1)介绍了边缘检测的意义及发展状况,学习了成熟的边缘检测算法和神经网络的基本理论。
(2)以矩阵式二维条型码图像为试验仿真对象,根据仿真结果分析了经典边缘检测算法的优缺点。
(3)对图像进行预处理。把条码图像进行色彩变化、滤波和旋转。其中旋转校正是图像预处理的重点,把图像向垂直方向作投影,记录投影波形的波峰宽度,旋转图像寻找波峰宽度最小的位置,即是图像的最终校正位置。并根据波峰有效宽度的起始位置找出整个矩阵条型码有效信息的垂直边缘,同理得到水平边缘,从而确定了图像的有效区域。
(4)根据水平和垂直边缘剪... |
| 【论文题纲】 |
|
摘要 |
4-5 |
|
Abstract |
5-7 |
|
第一章 绪论 |
7-15 |
|
1.1 课题研究的意义和应用前景 |
7-8 |
|
1.2 本课题的国内外研究现状 |
8-13 |
|
1.2.1 二维条码的现状 |
8 |
|
1.2.2 边缘检测的国内外现状 |
8-9 |
|
1.2.3 神经网络的发展历史分析 |
9-11 |
|
1.2.4 神经网络边缘检测算法的国内外研究动态 |
11-13 |
|
1.3 本课题研究的内容及成果 |
13-15 |
|
第二章 边缘检测的原理及方法 |
15-25 |
|
2.1 边缘检测的基本概念 |
15 |
|
2.2 边缘检测技术的基本原理 |
15-16 |
|
2.3 经典边缘检测的方法 |
16-25 |
|
2.3.1 差分边缘检测 |
17 |
|
2.3.2 Roberts算子 |
17-18 |
|
2.3.3 Sobel算子 |
18-19 |
|
2.3.4 Ｐｒｅｗｉｔｔ算子 |
19-20 |
|
2.3.5 拉普拉斯算子 |
20-21 |
|
2.3.6 Candy算子 |
21-22 |
|
2.3.7 各种算子边沿检测结果及比较 |
22-25 |
|
第三章 神经网络的基本理论 |
25-33 |
|
3.1 神经元模型 |
25-27 |
|
3.2 神经网络的结构与类型 |
27-30 |
|
3.3 神经网络的学习与训练 |
30-33 |
|
第四章 二维条码图像预处理 |
33-43 |
|
4.1 图像初步处理 |
33-35 |
|
4.2 图像的滤波 |
35-38 |
|
4.2.1 平滑滤波器 |
35-36 |
|
4.2.2 各种滤波器滤波效果比较 |
36-38 |
|
4.3 利用波形旋转图像 |
38-43 |
|
第五章 用HOPFIELD神经网络检测二维条形码 |
43-49 |
|
5.1 HOPFIELD神经网络的原理 |
43-45 |
|
5.2 用离散性HOPFIELD神经网络检测二维条码 |
45-46 |
|
5.3 实验结果分析 |
46-49 |
|
第六章 结论与展望 |
49-51 |
|
致谢 |
51-53 |
|
参考文献 |
53-57 |
|
作者在读期间的研究成果 |
57 |
|
| 【DOI】 | LunWen.ID:2.2008.388467 |
