数字图像处理_第五章图像分割2015介绍.pptVIP

1、基于自组织神经网络的聚类分割 网络的基本原理 当输入某模式后，通常只有一个或局部区域的竞争层神经元对该模式有积极响应，这时与竞争层相应节点连接的权值向量就向输入模式的方向修正。这样，网络通过对输入模式的反复学习，可使连接权矢量空间分布密度与输入模式的概率分布趋于一致，即连接权空间分布可反映输入模式的统计特征。 1、基于自组织神经网络的聚类分割 SOM网络的算法步骤 ① 对所有输入节点到输出节点的连接权值 初始化，可以随机地取一些较小的值; ② 将每一像素点的颜色和位置信息结合起来，即给每个像素点赋予1个具有5个特征值的特征向量，作为自组织神经网络的输入信号; 1、基于自组织神经网络的聚类分割 SOM网络的算法步骤 ③ 选出竞争层中最匹配的神经元，匹配函数采用欧氏距离法来度量，设输入向量为 ，而神经元的权值向量为 ，则有: 位于区域Nc内的神经元权值将得到修改，其中区域Nc是以神经元c为中心的、半径为R范围内的全部神经元集合.权值的修改公式: 其中a(t)为一取值在[0,1]区间内、随时间衰减的函数. 1、基于自组织神经网络的聚类分割 SOM网络的算法步骤 ④ 判断所有像素点是否已输入完毕，否则转第2步; ⑤ 修改学习参数a(t)和Nc(t)，调整输入向量的次序，反复 学习，直到达到预定学习次数，各像素点逐渐在输出层中形成固定的映射关系. 1、基于自组织