基于粗糙集神经网络的图像分割技术研究.docVIP

基于粗糙集神经网络的图像分割技术研究 吴冰1) 魏建2) 刘艳昌3) 李慧4) 1)2)3)（河南理工大学电气学院，焦作 454003） 4)（焦作师专物理系，焦作 454003） 摘 要 神经网络用于分割图像时需要大量的训练数据，由于数据量大，计算速度相当慢，不适合实时数据处理。网络节点个数、网络层数等的设计还缺乏比较系统的理论指导。基于此，本文提出一种新的方法，即粗糙集神经网络图像分割方法。该方法利用粗糙集约减理论对分割后的图像区域特征进行约减，以降低特征向量维数，抽取出规则，然后根据这些规则构造神经网络隐含层的神经元个数，从而确定粗糙集神经网络的初始拓扑结构。粗糙神经网络中每个神经单元的输入为区域值，输出为决策分类值，此时权值由粗糙集上下近似客观得到的原始粗糙度得到，然后用BP算法迭代，得到最终的决策结果，即实现图像的分割。实验证明，该方法大大缩短了训练时间，提高了精度，并且得到优于常规的分割图像，满足图像处理的实时性要求。该方法为进行图像分割提供了一个崭新的视角。 关键词 粗糙集 约减 等价类 粗糙集神经网络 图像分割 中图法分类号： 文献标识码: 文章编号: Res