[發明專利]基于改進BP神經網絡的圖像分割方法

在審

• 申請號: 201710965371.7
• 申請日: 2017-10-17
• 公開（公告）號: CN107730504A
• 公開（公告）日: 2018-02-23
• 發明（設計）人: 李燈熬;趙菊敏;李延濤
• 申請（專利權）人: 太原理工大學
• 主分類號: G06T7/10
• 分類號: G06T7/10;G06T7/155;G06T5/00;G06N3/08
• 代理公司: 太原科衛專利事務所(普通合伙)14100
• 代理人: 朱源

技術領域

本發明涉及了一種改進BP神經網絡算法來提高圖像分割性能的方法,廣泛適用于圖像分割領域，具體為一種基于改進BP神經網絡的圖像分割方法。

背景技術

圖像分割是圖像處理的重要組成部分和圖像處理的最初階段，其目的在于提取圖像的特征以對圖像進行分割。圖像分割在圖像解析領域同樣有著重要的地位，同樣是圖像解析的一部分。圖像分割的任務是把圖像分成互相不交疊的有意義的區域，以便進一步地處理、分析和應用。圖像分割的本質在于提取出感興趣的區域同時去除掉不感興趣的區域，能夠有效的降低無用區域對圖像的干擾。因此，圖像的研究具有重大意義。

發明內容

本發明目的是提供一種基于改進BP神經網絡的圖像分割方法，用以提高圖像分割性能。

本發明是采用如下的技術方案實現的：基于改進BP神經網絡的圖像分割方法，包括以下步驟：

（1）在BP神經網絡中應用AlexNet模型ReLu傳輸函數替代sigmoid傳輸函數；

（2）在BP神經網絡中應用自適應學習率方法變更步長，以加快收斂速度，得到改進BP神經網絡；

（3）用數學形態學算法對原始圖像進行預處理，去除亮暗噪聲；

（4）對去除亮暗噪聲后的圖像使用模糊C—均值進行初步分割，得到初步分割后的圖像；

（5）初步分割后的圖像進行改進BP神經網絡訓練分割，即得到最終分割后的圖像。

本文采用自適應學習率方法以加快收斂速度，應用深度學習中AlexNet模型ReLu傳輸函數改變sigmoid傳輸函數的缺點，來提高圖像分割性能。

具體實施方式

基于改進BP神經網絡的圖像分割方法，包括以下步驟：

（1）在BP神經網絡中應用AlexNet模型ReLu傳輸函數替代sigmoid傳輸函數；

（2）在BP神經網絡中應用自適應學習率方法變更步長，以加快收斂速度，得到改進BP神經網絡；

（3）用數學形態學算法對原始圖像進行預處理，去除亮暗噪聲；

（4）對去除亮暗噪聲后的圖像進行初步分割，得到初步分割后的圖像；

（5）初步分割后的圖像進行改進BP神經網絡訓練分割，即得到最終分割后的圖像。