论文部分内容阅读
脉冲耦合神经网络是新一代人工神经网络,具有较好的鲁棒性和自适应能力。本文应用PCNN模型,将神经元与图像像素一一对应,根据织物疵点区域纹理与正常织物纹理的灰度强度和分布差异,利用像素对应的神经元及邻近神经元的点火情况,来获取织物疵点图像信息。使用PCNN算法,可有效地减少检测时间和准确地提取织物疵点边缘。本文应用PCNN模型,对织物疵点图象进行了初步的探讨,主要创新点如下:PCNN中迭代次数对疵点识别的影响研究PCNN模型中,参数较多,为了在较短的时间内检测出织物疵点,尽可能满足工业生产的要求,通过研究发现迭代次数是影响检测时间的一个重要参数。对PCNN迭代次数的实验表明,迭代次数的取值不仅影响着织物疵点检测速度,而且直接影响着疵点的识别效果。另外,本文提出了对织物疵点信息进行合理的膨胀,再使用CANNY算子得到织物疵点边缘。研究结果表明,使用PCNN算法提取出织物疵点信息,运用膨胀理论,很好地解决了织物疵点不连续性的问题,最后经CANNY算子运算后,可以较为准确地分割出织物疵点,解决大部分疵点因在图像上的不连续性给边缘检测带来的困难,获得了更加准确的织物疵点边缘。基于PCNN的织物疵点识别检测算法具有较好的鲁棒性和自适应能力,因此使用PCNN能有效地提取织物疵点。实践证明,PCNN在织物疵点识别中的使用是有效的、可行的。