论文部分内容阅读
边缘检测技术在图像处理中占有重要的地位和作用，因为边缘检测是图像分割的核心内容，而图像分割又是从图像处理进入图像分析的关键步骤，也是图像理解的基础。目前已成为机器视觉研究领域最活跃的课题之一。边缘检测算法虽然已经提出多种，但在实际应用中对目标的检测和识别效果多数不令人满意。随着神经网络和小波分析理论的不断研究和发展，其应用领域逐渐扩展到图像处理方面。
小波神经网络是基于小波分析理论建立起来的一种分层的、多分辨率的新型人工神经网络，有机地融合了小波分析的良好时频域特性和神经网络的自组织、自学习优点，同时又避免了传统神经网络设计的盲目性和局部最优等非线性优化问题。本文将小波变换和反向传播神经网络理论结合，设计一种小波神经网络结构，并应用在图像处理中。研究表明，基于小波神经网络的边缘检测算法比传统算法优越，显示了良好的应用前景。
本文所做的主要工作:
(1)简单介绍了经典边缘检测算子的构成，通过具体的图像处理比较其在实际应用中的不足；
(2)概括阐述了神经网络及小波分析以及多尺度变换的基本原理，分析了其数学定义、模型及其在图像处理中的应用；
(3)构建出小波神经网络的模型，建立了基于图像边缘点及其8邻域的灰度分布特性的图像特征提取算法。通过对具体图像进行边缘检测处理，得到了满意的结果。