基于细胞神经网络的图像边缘提取算法研究

摘要

边缘是图像中重要的特征之一，是计算机视觉、模式识别等研究领域的重要基础。细胞神经网络(CNN）是一种并行处理器，在图像处理上有很大的发展空间。 首先详细描述了用CNN提取图像边缘的过程，给出了所设计的二值图像算法的流程图。利用设计出的网络参数，对二值图像进行了边缘提取，提取结果表明该网络参数是合理的。在二值图像的基础上，实现对灰度图像的边缘提取，改进了前人提出的分8层的算法，给出了一组灰度图像的边缘提取的结果，结果表明改进的算法是更加有效的。 建立了基于CNN的算法与传统的算法对图像边缘处理的仿真模型，两者比较得出基于CNN的算法在硬件实现上能够高速并行计算，且处理速度与图像大小无关，所以能够实现图像的实时处理，不失为一种有效的应用方法。 提出了基于CNN的图像边缘提取的模板取值范围，在确定范围内对图像进行了验证，结果表明该范围是正确的。在此基础上，深入分析了灰度图像的模板取值，推导了模板取值和其像素值之间的关系，从而确定了灰度图像的自适应模板。 最后，对该算法进行了基于FPGA的硬件实现。详细描述了基于CNN的边缘提取算法的实现方法，并给出了实验结果，结果表明这种方法是切实可行的。