摘 要

伴隨著計算機技術(shù)的快速發(fā)展，圖像處理技術(shù)在社會中的應(yīng)用也越加廣泛，圖像分割技術(shù)優(yōu)勢越加顯著。圖像分割是圖像處理上面的關(guān)鍵性環(huán)節(jié)，是圖像處理過程中的重要因素，對于圖像理論發(fā)展具有決定性因素。近年，圖像分割技術(shù)已經(jīng)取得了較大的成果，特別是在模糊理論和神經(jīng)網(wǎng)絡(luò)方面，眾多研究程度已經(jīng)開始逐漸在圖像處理中應(yīng)用，促進圖像處理技術(shù)發(fā)展。

【關(guān)鍵詞】數(shù)字圖像處理 圖像分割 灰色系統(tǒng) 神經(jīng)網(wǎng)絡(luò)

近幾年，圖像處理已經(jīng)在社會中廣泛應(yīng)用，圖像分割技術(shù)在圖像處理上面的重要性越加顯著。圖像分割技術(shù)是圖像處理中的基礎(chǔ)性技術(shù)之一，圖像分割技術(shù)質(zhì)量直接影響著圖像識別及分析質(zhì)量，因此圖像分割技術(shù)已經(jīng)成為識別系統(tǒng)中的關(guān)鍵性因素。

1 圖像分割發(fā)展現(xiàn)狀及應(yīng)用領(lǐng)域

1.1 發(fā)展現(xiàn)狀及存在的問題

在圖像分割中使用統(tǒng)一方法，是現(xiàn)在很多研究人員的主要研究方向，所以圖像分割還是困擾視覺領(lǐng)域上的主要問題，還有很多問題沒有得到很好的處理，現(xiàn)如今圖像分割還存在以下幾個問題：

1.1.1 與人類視覺機理相脫節(jié)

伴隨著研究人員對于視覺機理不斷深入性研究，人們對于視覺認(rèn)識也越加深入，現(xiàn)在圖像分割上面所使用的方法已經(jīng)與視覺機理研究成果之間存在一定差異，難以提高圖像分割精準(zhǔn)性。提高圖像分割精準(zhǔn)性，積極探索先進分割方法，就必然將人類視覺特點考慮在內(nèi)，讓圖像分割與人類視覺特點相結(jié)合，滿足人工神經(jīng)網(wǎng)絡(luò)理論。

1.1.2 知識的利用問題

圖像分割在實際利用作用主要表現(xiàn)在，對于灰度及空間信息分割，這種分割方式所產(chǎn)生的效果與人類視覺分割之間的效果之間存在較大差異。在圖像分割中應(yīng)該積極與人類視覺相結(jié)合，了解更多知識，這充分認(rèn)識到分割圖像上面知識重要性，同時在視覺上面，人們在研究中經(jīng)常將已經(jīng)掌握圖像分析，這樣就解決了知識所存在的不確定因素，提高圖像分割重要性。

1.2 應(yīng)用領(lǐng)域

圖像處理中的重要技術(shù)就是圖像分割技術(shù)，伴隨著圖像處理在個領(lǐng)域內(nèi)的廣泛應(yīng)用，現(xiàn)在圖像分割技術(shù)所應(yīng)用的范圍也越加廣泛。到現(xiàn)在為止，圖像分割技術(shù)已經(jīng)在工業(yè)、產(chǎn)品生產(chǎn)等等領(lǐng)域內(nèi)應(yīng)用。

2 灰色系統(tǒng)理論

2.1 灰色理論的主要內(nèi)容及特點

灰色系統(tǒng)理論一共包含兩個部分的理論體系，分別是灰色系統(tǒng)理論與灰色系統(tǒng)分析方法，整個理論體系主要內(nèi)容就是灰色朦朧集，將灰色序列作為重要的方法。灰色理論系統(tǒng)所涉及知識范圍十分廣泛，在短時間內(nèi)已經(jīng)取得了快速發(fā)展，應(yīng)用廣泛，主要是由于灰色理論系統(tǒng)在實際應(yīng)用具有三個特點，分別是系統(tǒng)性、聯(lián)系性及動態(tài)性。

2.2 灰色關(guān)聯(lián)分析

灰色系統(tǒng)分析理論的重要組成內(nèi)容就是灰色關(guān)聯(lián)分析，核心思想就是將幾個曲線之間所具有的幾何形狀進行對比分析，也就是不同幾何形狀之間越相似，關(guān)聯(lián)度也就越高，發(fā)展拜年話形式越加貼近?；疑P(guān)聯(lián)度主要是從定量角度對于系統(tǒng)之間各各因素關(guān)系變化分析，通過大小、方向、速度等等因素判斷不同因素之間的關(guān)聯(lián)性?，F(xiàn)在在灰色關(guān)聯(lián)計算中，所使用的方法較多，例如絕對關(guān)聯(lián)度、點關(guān)聯(lián)度等等。

3 基于灰色關(guān)聯(lián)和神經(jīng)網(wǎng)絡(luò)的圖像分割

3.1 人工神經(jīng)網(wǎng)絡(luò)

人工神經(jīng)網(wǎng)絡(luò)就是根據(jù)人腦處理方式所形成的智能信息處理理論，模擬人腦學(xué)習(xí)方式。近幾年，人工神經(jīng)網(wǎng)絡(luò)研究工作在取得了較大的成果，其中最為顯著特點表現(xiàn)在信息分布及儲存上面，與人類視覺系統(tǒng)越加吻合，具有較高的自學(xué)習(xí)性及兼容性，發(fā)展快速，已經(jīng)在信息領(lǐng)域上面應(yīng)用較大的市場前景。

3.2 神經(jīng)元模型與數(shù)字描述

在對于神經(jīng)網(wǎng)絡(luò)神經(jīng)元與生物神經(jīng)元對比中發(fā)現(xiàn)，生物神經(jīng)元主要由三個部分構(gòu)成，分別是細(xì)胞體、樹突和軸突，這些部分別承擔(dān)著信息處理到傳輸?shù)裙ぷ鳌?/p>

在神經(jīng)元數(shù)學(xué)模型描述中，第i個神經(jīng)元能夠接受到其他神經(jīng)元所傳輸?shù)男盘杧，突觸強度主要應(yīng)w表示，這稱之為權(quán)系數(shù)。這種神經(jīng)元數(shù)學(xué)方程式為：

方程式中的θ表示的是闕值，f表示的是激勵函數(shù)。

3.3 基于灰色-BP網(wǎng)絡(luò)的圖像分割

在圖像分割中已經(jīng)開始廣泛應(yīng)用神經(jīng)網(wǎng)絡(luò)，其中主要應(yīng)用的是神經(jīng)網(wǎng)絡(luò)中的BP網(wǎng)絡(luò)，同時應(yīng)用已經(jīng)十分成熟。在圖像處理過程中具有較多的隱藏層數(shù)及節(jié)點缺陷，隱藏層數(shù)及節(jié)點個數(shù)對于網(wǎng)絡(luò)泛化能力具有一定影響，如果要是應(yīng)用BP網(wǎng)絡(luò)，那么最后輸出樣本結(jié)果才是最合適的。網(wǎng)絡(luò)節(jié)點要是過多，主要就是將網(wǎng)絡(luò)訓(xùn)練結(jié)果考慮在內(nèi)，其中包含噪聲的影響，網(wǎng)絡(luò)泛化能力在不斷降低，節(jié)點個數(shù)要是過少，網(wǎng)絡(luò)就不能夠有效整合數(shù)據(jù)信息，網(wǎng)絡(luò)泛化能力也會受到影響，最后對于網(wǎng)絡(luò)整體運行造成影響。在網(wǎng)絡(luò)結(jié)構(gòu)優(yōu)化上面，很多研究人員也根據(jù)實際情況提出了一些計算方式，希望能夠簡化網(wǎng)絡(luò)結(jié)構(gòu)，例如敏感計算法等等，但是研究人員所提出的計算方法在實際應(yīng)用中取得的效果并不是十分顯著。筆者所提出的灰色系統(tǒng)和BP網(wǎng)絡(luò)結(jié)合，能夠有效解決BP網(wǎng)絡(luò)所存在的節(jié)點問題，提高圖像分割精準(zhǔn)度，與傳統(tǒng)BP算法相比較，泛化能力更加顯著，網(wǎng)絡(luò)運行更加穩(wěn)定，分割效果更為顯著。

在BP神經(jīng)網(wǎng)絡(luò)具有代表性結(jié)構(gòu)，拓?fù)浣Y(jié)構(gòu)為三層，也就是一個輸入層，一個隱含層，一個輸出層。為了能夠提升網(wǎng)絡(luò)運行性能，經(jīng)常使用修改學(xué)習(xí)效率及優(yōu)化方法等等方式。

設(shè)一個具有Q層的人工神經(jīng)網(wǎng)絡(luò)，其中第一層為輸入層，第Q層為輸出層，那么該網(wǎng)絡(luò)的輸入輸出變換關(guān)系為：

i=1，2，…，nq 其中η為系統(tǒng)的學(xué)習(xí)效率，

w為修正權(quán)系數(shù)，

該式表示第q層第i個節(jié)點與第j個節(jié)點在t次學(xué)習(xí)后的值

4 結(jié)論

圖像分割質(zhì)量對于數(shù)字圖像處理算法工作具有重要作用，因此圖像分割已經(jīng)成為理解系統(tǒng)與識別系統(tǒng)在研究中十分重要的因素。本文基于灰色系統(tǒng)理論的數(shù)字圖像處理算法簡單研究，還存在一定不足，僅供參考。

參考文獻

[1]陳志國，傅毅，孫俊.群體智能算法的遙感圖像處理研究[J].計算機應(yīng)用研究，2013（08）：2538-2540.

[2]王偉，王輝，張瀟.基于免疫和灰色系統(tǒng)理論的網(wǎng)絡(luò)認(rèn)知研究[J].微電子學(xué)與計算機，2013（06）：117-121.

[3]李曉峰，劉光中.人工神經(jīng)網(wǎng)絡(luò)BP算法的改進及其應(yīng)用[J].四川大學(xué)學(xué)報（二程科學(xué)版），2015（03）.

[4]邵虹，徐全生，崔文成.基于BP神經(jīng)網(wǎng)絡(luò)的人臉圖像識別方法的研究[J].沈陽工業(yè)大學(xué)學(xué)報，2014，2（04）：346-348.

[5]匡錦俞，丁俊民，陳十祿.圖像的小波系數(shù)神經(jīng)網(wǎng)絡(luò)預(yù)測編碼[J].北京師范大學(xué)學(xué)報，2015，35（04）：464-467.

作者簡介

邵黃興（1991-），男，安徽省宣城市人。同濟大學(xué)軟件學(xué)院在讀碩士。研究方向為數(shù)字圖像處理。

作者單位

同濟大學(xué)軟件學(xué)院 上海市 201804