基于細(xì)胞神經(jīng)網(wǎng)絡(luò)的煤倉圖像處理方法的研究

趙廷釗

(1.中國礦業(yè)大學(xué)(北京)機電與信息工程學(xué)院,北京市海淀區(qū),100083;2.河南煤業(yè)化工集團公司,河南省鄭州市,450046)

基于細(xì)胞神經(jīng)網(wǎng)絡(luò)的煤倉圖像處理方法的研究

趙廷釗1,2

(1.中國礦業(yè)大學(xué)(北京)機電與信息工程學(xué)院,北京市海淀區(qū),100083;2.河南煤業(yè)化工集團公司,河南省鄭州市,450046)

提出了一種改進型細(xì)胞神經(jīng)網(wǎng)絡(luò),其細(xì)胞神經(jīng)網(wǎng)絡(luò)MMCNN方程更適合于數(shù)學(xué)形態(tài)濾波。MMCNN可以適時、并行完成各種數(shù)學(xué)形態(tài)運算。文中給出了有關(guān)MMCNN的動態(tài)范圍和穩(wěn)定狀態(tài)的定理,證明MMCNN在一定的條件下可以通過動態(tài)過程的穩(wěn)定達(dá)到數(shù)學(xué)形態(tài)濾波的結(jié)果。MMCNN不僅可以由動態(tài)過程模擬實現(xiàn)膨脹/腐蝕運算,也可以模擬實現(xiàn)結(jié)構(gòu)開/閉運算。

細(xì)胞神經(jīng)網(wǎng)絡(luò) 煤倉圖像處理 數(shù)學(xué)形態(tài)學(xué)

1 概述

在井下煤倉圖像的處理識別中,由于環(huán)境的惡劣,往往造成識別困難。近年來,數(shù)學(xué)形態(tài)學(xué)在數(shù)字圖像處理領(lǐng)域得到了廣泛的應(yīng)用,各種形態(tài)結(jié)構(gòu)和算法不斷涌現(xiàn),其應(yīng)用范圍涉及各種圖像預(yù)處理過程,這為井下運用圖像識別技術(shù)提供了新的途徑。數(shù)學(xué)形態(tài)學(xué)的4個基本運算是擴張、腐蝕、開啟和閉合,它們與卷積的運算方法類似,只是卷積中的乘法和加法被與/或、取大/取小運算代替,而且形態(tài)算子具有高度非線性。通過選擇不同尺寸和形狀的結(jié)構(gòu)元,可以實現(xiàn)不同的圖像預(yù)處理效果。為此,各種分解結(jié)構(gòu)元的算法應(yīng)運而生。1982年,美國加州工學(xué)院物理學(xué)家霍普菲爾德(Hopfield)提出了HNN模型,從而有利地推動了神經(jīng)網(wǎng)絡(luò)的研究。他引進了“計算能量函數(shù)”的概念,給出了網(wǎng)絡(luò)穩(wěn)定性判據(jù),為神經(jīng)計算機的研究奠定了基礎(chǔ)。同時它開拓了神經(jīng)網(wǎng)絡(luò)用于聯(lián)想記憶和優(yōu)化計算的新途徑。1988年美國加州大學(xué)的蔡少堂(L.O.Chua)等人提出了細(xì)胞神經(jīng)網(wǎng)絡(luò)模型CNN,與一般神經(jīng)網(wǎng)絡(luò)一樣,它是一個大規(guī)模非線性模擬系統(tǒng),同時又具有自動機的動力學(xué)特征。

數(shù)學(xué)形態(tài)學(xué)的基本運算可以模擬現(xiàn)實如下列狀態(tài)方程:

式中:Vxij(t)——單元(i,j)狀態(tài)電壓;

Vykl(t)——單元輸出電壓;

Vukl——單元輸入電壓;

I——恒定電流源;

C、R、A、B——與電路元件相關(guān)的參數(shù)。

通過方程(1)中的運算關(guān)系,可以證明Vxij(t)是有界的。

2 用數(shù)學(xué)形態(tài)濾波的細(xì)胞神經(jīng)網(wǎng)絡(luò)完成膨脹、腐蝕運算

Matheron定理表明某一大類數(shù)學(xué)形態(tài)運算可用一組腐蝕的并集運算完成(或一組膨脹的交集)。Giardina和Dougherty還把該定理推廣到灰度級的形態(tài)運算。為此,我們從二值圖像的膨脹、腐蝕運算入手討論形態(tài)運算。

設(shè)X為原始二值圖像,S為結(jié)構(gòu)元,腐蝕、膨脹運算由下式定義:

式中:Sx——S的位移x,即Sx=

另外,膨脹與腐蝕之間存在對偶性:

式中:Xc——集合X的補集;

圖1為計算機模擬實驗的結(jié)果。微分方程組采用對差分方程的近似迭代方法動態(tài)實現(xiàn),迭代相對誤差為1×10-6;采用兩個大小不同的模板S1和S2,并采用了一幅136×136的二值圖。

3 井下煤倉的應(yīng)用

我們將上述圖像處理的方法應(yīng)用于井下煤倉煤位圖像的識別,取得了滿意的效果。利用輔助光源照射在煤倉煤面上的光斑,獲取圖像后,并利用基于神經(jīng)網(wǎng)絡(luò)的圖像處理技術(shù),可以達(dá)到識別煤倉煤位的目的。輔助光源照射示意圖如圖2所示。由于井下環(huán)境惡劣,考慮煤塵、煤塊等因素的影響,光斑周圍會出現(xiàn)大小誤差,利用基于神經(jīng)網(wǎng)絡(luò)的圖像處理技術(shù)可以有效彌補誤差造成的識別誤差,達(dá)到準(zhǔn)確識別的目的。

4 結(jié)論

我們對CNN基本狀態(tài)方程作了變形,構(gòu)造了適于數(shù)學(xué)形態(tài)濾波的細(xì)胞神經(jīng)網(wǎng)絡(luò)MMCNN方程。MMCNN可以適時、并行完成各種數(shù)學(xué)形態(tài)運算。本文給出了有關(guān)MMCNN的動態(tài)范圍和穩(wěn)定狀態(tài)的定理,證明MMCNN在一定的條件下可以通過動態(tài)過程的穩(wěn)定達(dá)到數(shù)學(xué)形態(tài)濾波的結(jié)果。MMCNN不僅可以由動態(tài)過程模擬實現(xiàn) 膨脹/腐蝕運算,也可以模擬實現(xiàn)結(jié)構(gòu)開/閉運算。MMCNN實現(xiàn)形態(tài)濾波的時間與結(jié)構(gòu)元的尺寸無關(guān),而僅與電路的時間常數(shù)有關(guān)。

將這種方法運用于井下煤倉煤位的識別,效果良好。一是克服了接觸式煤位檢測方式使用壽命短,時間長,費工費時的缺點;二是利用圖像識別技術(shù),可以實現(xiàn)遠(yuǎn)程監(jiān)控,實時性強,適合于礦井信息化的總體要求。

[1] 張立明.人工神經(jīng)網(wǎng)絡(luò)的模型及其應(yīng)用.上海:復(fù)旦大學(xué)出版社,1993

[2] J.Serra,Image Analysis and Mathematical Morphology,Academic Press,New York,1982

[3] J.L.Davidson,Morphology neural neyworks:an introduction with applications,CSSP,1993(2)

[4] L.O.Chua,L.Yang.Cellular neural network:Theory,IEEE CAS,1988,35(10)

[5] H.Harrer,J.A.Nossek.Discrete time cellular neural networks.Int‘1 J.of circuit Theory and Applications,1992,20

[6] F.Zou,J.A.Nossek.Stability of cellular deural neyworks with opposition-sign templates,IEEE CAS,1991(6)

[7] X.Y.Ye,D.L.Hu,F.H.Qi.Mathematical Morphologiy by Cellula Neural Network,proc.of Int‘l Conf.Neural Network&Signal Processing 95‘,405-408,1995

A research on coal bunker image processing method based on cyto-nervous network

Zhao Tingzhao

(1.School of Mechanical Electronic and Information Engineering,China University of Mining and Technology,Haidian District,Beijing 100083,China;2.Henan Provincial Coal Chemical Industry Group Corporation,Zhengzhou,Henan province 450046,China)

This paper proposes a kind of improved cyto-nervous network and its cytonervous network MMCNN formula is more adapted to mathematics morphological filtering.MMCNN can fulfill all sort of mathematic morphological calculations within appropriate time frame.This paper also provides dynamic scope and theorems in stable state,proving that within certain conditions,MMCNN can reach the result of mathematics morphological filtering through dynamic process of stability.MMCNN can not only achieve expansion/corrosion calculation via dynamic process simulation,but also can achieve on/off calculation of the structure on simulation basis.

cyto-nervous network,coal bunker image processing,mathematics morphology

TD529.1

A

趙廷釗(1964-),河南煤業(yè)化工集團公司副總經(jīng)理,國務(wù)院政府特貼專家,教授級高工,在讀博士。

(責(zé)任編輯 張艷華)