可用于灰度图象处理的并行自适应加权识别系统模型 - Read.PDFVIP

第 19 卷第 5 期 无 锡 轻 工 大 学 学 报 Vol. 19 ,No. 5 　 　 　 　　　　 　 2000 年 9 月 Journal of Wuxi University of Light Industry 　 　 　 　　　　 Sep. ,2000 ( ) 文章编号 :1009 - 038X 2000 05 - 0506 - 04 　 可用于灰度图象处理的并行自适应 加权识别系统模型 葛洪伟 , 　朱建鸿 (无锡轻工大学信息与控制工程学院 ,江苏无锡 214036) 摘　要 : 提出了一种可用于灰度图象处理的并行自适应加权识别系统模型 ,从理论上对该模型作 了相应的数学描述和分析 ,并给出了将系统应用于灰度图象边缘检测的实例. 关键词 : 模式识别 ;神经网络 ;灰度图象 ;边缘检测 中图分类号: TP391. 41 　　　　　　文献标识码 : A A Parallel Ada ptive Ram Weighted Recognition System Model which Can be Used to Process GreyLevel Image GE Hongwei , ZHU Jianhong (Wuxi University of Light Industry ,Wuxi ,214036) Abstract : In this paper , we propose a parallel adaptive ram weighted recognition system model which can be used to process greylevel image and present the description and analysis of the model in theory. One example of using this system to detect greylevel image edge has also been given. Key words : pattern recognition ;neural network ; greylevel image ; edge detection 　　传统的图象处理几乎都是基于算法 ,其信息处 上述系统 ,提高了系统的识别能力[1 ] . 由于受结构 理和存贮都局限在冯·诺依曼机器上串行或局部并 的限制 ,这些系统都要求输入二值图象 ,其它图象 行实现 ,其实时性、适应性、通用性都较差 ,对现实 需经过二值化后才能提供给系统识别或处理 ,这种 环境中的图象无法进行自动、高速的处理. 而图象 处理方式无疑损失了许多模式间用以相互区分的 处理的神经网络方法对信息采用大规模并行分布 有用信息 ,导致系统的识别、处理能力下降. 为扩大 式处理技术 ,更接近于人的视觉模型 ,是研究图象 系统的应用范围 ,作者在加权识别系统的基础上 , 高速处理的一个新颖而重要的途径. 英国 Alek 提出了一种可直接处理灰度图象的并行识别系统 sander 教授领导的研究小组在 1985 年研制成功了 模型 , 并对该系统模型从理论上进行了描述和分 一种基于 n 元原理、由可重构内容寻址 RAM 阵列 析. 这种并行加权系统 , 可以用常规 RAM