(3.237.234.213) 您好!臺灣時間:2021/03/09 13:07
字體大小: 字級放大   字級縮小   預設字形  
回查詢結果

詳目顯示:::

我願授權國圖
: 
twitterline
研究生:林益正
研究生(外文):Lin,Ei Jn
論文名稱:自我組織模式類神經網路之邊緣偵測
論文名稱(外文):Self-Organization Neural Network for Edge Detection
指導教授:鍾文耀鍾文耀引用關係鄭明傑鄭明傑引用關係
指導教授(外文):Chung,Wen-YawJen,Men-Jye
學位類別:碩士
校院名稱:中原大學
系所名稱:電子工程學系
學門:工程學門
學類:電資工程學類
論文種類:學術論文
論文出版年:1993
畢業學年度:81
語文別:中文
中文關鍵詞:影像處理圖形識別邊緣偵測自我組織模式比對門檻.
外文關鍵詞:image processingpattern recognitionedge detection self-organization map (S O M)threshold
相關次數:
  • 被引用被引用:1
  • 點閱點閱:99
  • 評分評分:系統版面圖檔系統版面圖檔系統版面圖檔系統版面圖檔系統版面圖檔
  • 下載下載:0
  • 收藏至我的研究室書目清單書目收藏:3
常久以來邊緣偵測一直是影像處理領域裡最重要的課題,以往使用計算幾
何或是Sobel運算子方法皆無法有效地克服雜訊及連續性問題,直到最近
幾年科學家再度提出具有學習及聯想能力的類神經網路,無論對學術界或
工程界而言有如注入新生命一般,目前在字形辨認及語音上都已有成功的
應用實例. @  類神經網路具有高度平行處理,獨特學習訓練能力以及
即時聯想功能,無論對影像處理或圖形識別領域而言都是非常適合的解決
途徑.而在影像處理上正可以利用其分類的能力來解決邊緣偵測,在本論
文中吾人提出自我組織模式類神經網路來求邊緣偵測,自我組織模式本身
為一種非監督式學習法則,因為他可以將無關的外界資料加以組織成為可
以辨識的資訊,亦即將高維的圖形空間轉換成低維的特徵空間,在這過程
之中必須找出激厲輸入資料間的相關性,在此吾人利用正規化後輸入與輸
出間內積計算出其相關性的大小,再求出誤差最小的門檻值( Threshold
value)以得到最佳之物體(Object),再配合二次微分的運算之後可以取得
吾人想要的邊緣.以下我們首先介紹自我組織模式類神經網路之架構及學
習法則,接著探討個人提出之邊緣偵測演算法,最後分成非雜訊與雜訊圖
形兩大部份來比較使用傳統Sobel方法與本方法之模擬結果,在討論中並
以本論文中例子為基礎,對自我組織模式類神經網路之收斂性與穩定性做
一探討,並對權值調整式的來龍去脈做一次完整分析.

QRCODE
 
 
 
 
 
                                                                                                                                                                                                                                                                                                                                                                                                               
第一頁 上一頁 下一頁 最後一頁 top
無相關期刊
 
系統版面圖檔 系統版面圖檔