一种新的图像预处理算法.pdfVIP

计算拄术与自动化 1998年7月 COMPI．rI唧GⅡ姗烈O蝴ANDAUIOMATION JUl．1998 一种新的图像预处理算法 程良伦扬宜民 (广东工业大学机器人研究室·广州；510cevo) 摘要：本文介绍了一种基于神经网络的对机器人的视觉图像信号进行预处理的算法·读算法用单层神经 网络的竞争学习规则对图像进行分割和恢复．以实现预处理。初步实验结果表明，该算法在收敛 速成、‘计算量厦最终恢复结果等方面有一定的优越性。 关键词：神经网络 竞争学习 圈象分割与恢复 O；l盲 在机器人的视觉图象处理系统中。图象中的物体除了在边界处表现出不连续性之外，在物体区域内部具 有某种同一性或均匀性。例如，灰度值同一或具有均匀的纹理特征。根据这种同一性把一整幅图象划分为若 干子区域，每一区域对应于某一物体或物体的一部分，这就是图象分割。由于分割的最终目的是为了对景物 或物体进行描述，而许多不同种类的图象或景物部分都可做为据以分割的分片，并且有许多不同的方法可从 图象中提取这些部分。所以分割成功与否必须根据由分割所得的物体获得的描述之实效来判定。 有些分割运算可直接应用于任何图象而另一些分割运算疑能适用于已被局部分剖的图象。因为它们和已 从图象中提取的那部分的几何图形有关。如采用门限的方法可将反差较大的背景和物体分开，而～旦已完成 这些最初分割，就可以利用物体的几何特性，如连通性、尺寸大小、形状等迸一步对物体进行分割或得到更 多的细节。 区域分警6技术可以分为三类：一类是局部技术，主要是基于象煮和其邻域的局部特性进行分軎|I；第二类 是全局技术，以全局信息，如直方圆等，作为图象分割的依据；第三类是分裂、合并和区域增长技术，主要 的嵌据是区域的一致性和几何邻近度：若两个区域相似而且相郐，就可以将它们合并。一个不具有一致性的 区域可以分裂成为两个子区域，只要能够保持一致性，就可以向一个区域添加象翥。 图象的边缘提取和分割是图象处理和分析的经典研究课题之一。目前发展了根多新的方法，如利用图像 的金字塔散掂结构逐屡次、逐阶段地进行边缘搜索，或刺甩局部边缘闯的空间分布关系，采用人工智能中的 方法进行了推断自学习以得到更精确的边界。图象分割方法还有空间聚类和分裂一合并算法等等。在空间聚 类分割中使用了统计模式识别中的贝叶斯决理论和聚类方法，它主要利用关于待分割物体特征的统计特性。 图象分割的进一步研究方向也正是利用有关物体的知识来指导分割。 本文介绍了～种用单层神经网络的竞争学习方法对图像进行分割和恢复的预处理算法，实验表明该算法 比目前所发表的若干种算祛在收敛速度、计算鸯及最终恢复结果等诸方面有一定鹊优越性。此外，对于严重 受污染图像，也具有良好的效果。 1定义和结构 在本研究中。图象表面用区域表示，定义为有规则的二维点阵位，在每个点位上的区域的值由点位的高 度和密度值决定。表面的估计值包括密度域和其他两个水平、垂直的线性处理域。 设：2n1．=l(i，j)：’≤j《m，’≤j《n}，记为mxn整点阵，在乙。中定义邻域系统。 所有点的榘合。 定义1：由Ni{表示的独立集(乙。，s)定义如下： 域的集合。 258 计算技术与自动化 根据cibb分布独立集的结构形式相当重要，其和为势能值，势能为在同一域中象索之间的相互影响， 如果随意选取邻域。若取的较大，则集结构迅速地增长。对于较大的(邻域)象紊之间的相互影响变得相当 复杂。 定义2：行处理域(轮廓元索)表示在相邻象索位置两个密度值之闻的缝隙出现(1)不出现(O)的可 幂v鞋定义为两个象索位置(0l，j)和(i，j)之间的缝隙标识单位。 这些选取包含上面给出的集台结构。 · 定义图象用F=(F，H，v)表示。其中，F为象素密度矩阵，H和v分别对应水平和垂直轮廊元素矩 阵。所以，F当作密度处理，H为当作水平线性处理，V当作垂直线性处理。例如，fh，v是F，H，v的 殃。 ，定义为 F=惦}，(i，j)∈互m