柳 赟，郑蕊蕊，吴艳军，徐宝翠，吴宝春

（大连民族学院信息与通信工程学院，116600)

0 引言

图像边缘检测是数字图像处理的主要研究内容，BP人工神经网络具有学习功能强大和良好的容错性能。采用BP人工神经网络进行彩色图像的边缘检测，通过对选取的图像样本的训练，不断调整网络的权值和阈值，完成函数的逼近，使得对于输入的图像样本处理结果能够达到预期的效果。本文主要研究基于改进学习算法的BP神经网络在彩色图片的边缘检测中的应用。

1 图像的预处理

1.1 二值化

为了增加图像的对比度，使得图像的边缘更加清晰，首先需要对图像做二值化处理。二值化图像的方法如下:假设一幅图的像素值为,阈值为。则：

即当像素值大于阈值时灰度级为1，当像素值小于阈值时灰度级为0。图1为此次用于训练BP神经网络的原灰度图像、教师图像和灰度图的二值化图像。

1.2 图像块划分

在网络训练中，把整幅图像作为样本，会使样本集比较庞大，增大训练的迭代次数，使得训练时间变长，算法也不易收敛。因此在将图像矩阵数据输入网络前必须进行图像的分块操作。先将图像调整为300*300，然后划分为10000个3*3的小块，将每个小块合并为一个列向量。在输入输出端对原始图像和教师图像进行分块操作，将输入输出对应的列向量输入网络，开始进行网络的训练。如果模板过大，网络训练所要处理的数据量过大，使得网络的整体误差增大，3*3模板是经过多次实验后比较适合本次研究的。……