郎 俊，白国振，周 媛

(上海理工大学 机械工程学院，上海 200093)

图像边缘检测算法的研究一直是图像处理方面的重点关注对象。相对于传统的边缘检测算子，人工神经网络对于处理复杂的环境信息、模糊的背景知识和推理规则的分类具有较好的优越性。因而用神经网络实现边缘特征的分类，从而实现图像的边缘检测的方法引起了人们的关注。文献[1]提出一种四元数和自组织神经网络(SOM)相结合的边缘检测算法，该算法提取的轮廓还保留有部分噪声[1]。文献[2]提出一种神经网络与模糊算法相结合的检测方法[2]，文献[3～4]提出了利用PCA结合LVQ的方式实现目标物体的分类[3-4],文献[5]提出一种相似性度量函数，判断特征的相似度[5]，文献[6]利用遗传算法实现初始值优化[6]。

本文通过图像中像素的中值特征向量、方向信息特征向量和Krish算子方向特征向量构建像素的特征向量(3×1的输入矩阵)，作为神经网络的输入，再利用改进的GLVQ神经网络(MGLVQ)对图像中的像素进行分类，实现目标边缘轮廓的提取。

1 GLVQ神经网络

设有一组n个样本，特征空间为p维，即x∈Rp其分布密度f(x)是不随时间变化的。用i表示获胜单元(最佳匹配单元)的标号，定义如式(1)所示，损失函数以衡量获胜神经元权值与输入向量x之间的欧式距离的误差值(c为类别数)。

(1)

式中uir是一组权重，在竞争层神经元权值的学习过程中，每次权值wr的更新，由隶属度函数ur根据输入向量X定义每个神经元损失函数的值，从而使得每个神经元的权值更新值不同。……