开题报告5052209020盛婷婷（推荐）

2020-03-02 15:38:43 来源：范文大全收藏下载本文

基于PCNN的图像的边缘检测

1.课题来源及研究的目的和意义

1.1课题来源

老师安排提供，自己下去查阅有关PCNN的图像的边缘检测资料。

1.2课题研究的目的

本课题所要研究的是用PCNN处理图像边缘检测以及PCNN应用于图像处理的效果。本文对PCNN进行了深入完整的分析与讨论,引进了PCNN的图像的边缘检测的概念,使得PCNN与传统的图像处理技术完美地结合起来,实现PCNN自动图像处理,为PCNN在图像处理中的应用提供了新的途径.详细地讨论了PCNN在图像处理中的应用,如基于PCNN的图像增强、边缘检测方法。

1.3课题研究的意义

PCNN的图像的边缘检测对于物体的识别是很重要的。主要有以下几个理由：首先，人眼通过追踪未知物体的轮廓而扫视一个未知的物体。第二，经验告诉我们：如果我们能成功的得到图像的边缘，那么图像分析就会大大简化，图像识别就会容易得多。第三，很多图像并没有具体的物体，对这些图像的理解取决于他们的纹理性质，而提取这些纹理性质与边缘检测有极其密切的关系。

2.边缘检测步骤

边缘检测主要包括以下三个步骤：

(1)图像滤波

检测算法主要是基于图像亮度的一阶和二阶导数但是导数的计算对噪声很敏感因此必须使用滤波器来改善与噪声有关的边缘检测器的性能。

(2)图形增强

增强边缘的基础是确定图像各点邻域强度的变化值增强算法可以将邻域强度值有显著变化的点突出显示。

(3)图像检测

在图像中有许多点的梯度幅值比较大而这些点在特定的应用领域中并不都是边缘应该用某些方法来确定那些是边缘点最简单的边缘检测判据是梯度幅值阈值判据。

3、任务要求及实现预期目标的可行性分析

本课题主要对PCNN模型及其应用进行分析和探讨，对将要实现的目标有如下方面的研究：

（1）由于 PCNN 是一种非学习型神经网络，所以其参数的设置只能通过其他方法来选取，而其参数的选择对实验结果有着非常关键的影响，目前虽然有一些诸如通过遗传算法等选择参数的方法，但是针对不同类型的图像，其通用性有一定的限制，同时增加了处理的时间，一般实际应用中还是通过人工实验或经验来设置的（或部分设置）。如何将 PCNN 参数与待处理图像固有特性结合起来进行自适应优化选取，将是今后的一个研究方向。

（2）随着生物神经学及相关学科的发展，会不断促进人类对自我神经系统的认识。为此，在 PCNN 模型中会加入更多的真实生物特征因素，将进一步使模型完善和发展，由此可利用完善后 PCNN 模型更好地应用在现代信息处理领域中。

4、需要研究的关键问题及解决思路

本论文讨论了PCNN的图像的边缘检测，并结合一些相关方法、技术与准则，对图像处理领域若干不同方面的问题进行了研究，取得了一定的研究成果，但也存在一些不足，需要在以下几个方面做进一步的研究：

（1）在噪声滤除中，如何将PCNN模型应用在高方差高斯噪声图像的滤除中，以及如何将PCNN模型与其他优良方法相结合，对图像混合噪声，特别是强混合噪声的去除，是一个很有意义的研究课题。

（2）在弱小目标检测中如何克服灰度熵变换引起小目标边缘的轻微扩散，造成检测目标区域的扩大与畸变等问题，并将PCNN模型如何更有效地应用在多个弱小目标的快速检索中是有待进一步研究的内容。

（3）在图像特征提取与检测中，如何更好地利用PCNN的特点提取更客观反映图像信息的特征，并有效结合其他方法，进一步应用在图像特征提取与检索中，也是一个具有潜在优势的研究内容。

5、开发工具

开发工具的介绍:

MATLAB软件:MATLAB的基本数据单位是矩阵,数字图像处理（Digital Image Proceing）又称为计算机图像处理，它是指将图像信号转换成数字信号并利用

计算机对其进行处理的过程。数字图像处理最早出现于20世纪50年代，当时的电子计算机已经发展到一定水平，人们开始利用计算机来处理图形和图像信息。数字图像处理作为一门学科大约形成于20世纪60年代初期。早期的图像处理的目的是改善图像的质量，它以人为对象，以改善人的视觉效果为目的。图像处理中，输入的是质量低的图像，输出的是改善质量后的图像，常用的图像处理方法有图像增强、复原、编码、压缩等.

PCNN: 是一种单层神经网络模型，以迭代算法为主，具有自监督、自学习的特性，不需要提前进行训练。这些是PCNN本身独有的特点，相对于传统的多层神经网络模型，PCNN特别适合实时图像处理。PCNN作为第三代人工神经网络的主要标志之一，在图像去噪、图像增强、图像分割、边缘检测、特征提取与模式识别等领域中得到了广泛的应用。

六、工作方案及进度计划

第1周：查找材料，阅读与设计有关的参考资料并撰写文献综述。

第2周：撰写开题报告。

第3周：制作毕业设计文件。

第4周：制作文件的基本框架与内容的充实。

第（5—7）周：完成系统结构设计及各个功能模块设计。

第8周：修改文件。

第9周：完善制作内容与后期制作。

第10周:论文交给指导教师和评阅教师评阅，定终稿。准备答辩。

七、参考文献

[1] 徐建华.图像处理与分析 M .北京科学出版社 1992.

[2] Pratt W K .D i gi t al I mage Pr Ocei ng M .Ne W YOr k W il ey1991 .