论文部分内容阅读
随着图像处理技术更日益广泛的应用,图像分割技术凸现得愈来愈重要。图像分割是图像处理中最基本和最重要的技术,是图像处理领域中的重点和难点,同时也是图像理论发展的瓶颈之一。图像分割质量的好坏直接影响后续进行的分析、识别和解释的质量,所以图像分割还是任何理解系统和自动物体识别系统必不可少的一个重要环节。绪论简述了图像分割在数字图像处理中的重要位置及本课题的研究意义;总结回顾了图像分割技术发展概况和现状及存在的问题。接着介绍了灰色关联分析的基本知识,文中着重阐述了绝对值关联度的相关定义和定理;这些基本理论知识的介绍为后续的图像预处理和图像分割应用奠定了理论基础。接下来文章较为详细的介绍了图像预处理中的去噪方法,提出了中值滤波的高效改进算法,给出全新的灰色关联度均值滤波算法,并给出了算法的实现,试验结果表明新算法和传统的算法相比不但去噪效果好而且图像细节模糊程度减轻了。这是本文的重点创新之一。第四章对人工神经网络的发展和分类作了简单的介绍,接着重点介绍了灰色—神经网络模型的分割技术。近年来,结合特定理论的图像分割技术研究随着新的智能计算、进化计算、生物计算等方法的不断提出而变得愈来愈成为图像分割技术研究的热点。很多特定的理论在应用过程中会出现这样或那样的不足,本文针对前馈误差反向传播网络隐含节点的过大或过小导致网络泛化性能下降,从而影响图像分割效果的缺点,提出将灰色关联的思想用于在网络训练过程中动态调节隐含节点的个数来实现网络的泛化能力的最优,而达到较好的分割效果。同时网络本身的泛化能力和鲁棒性大大增强。本章还用了大量的分割图例来说明新算法比传统算法的性能要好,并分析了导致算法不足的原因。本章是本文的重点,也是重要创新点。 文章最后总结了全文的成果和不足。谈论了作者对该领域研究的看法。并谈了谈自己在做硕士论文期间的工作体会。