基于細胞神經網絡的煤倉圖像處理方法的研究

趙廷釗

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

基于細胞神經網絡的煤倉圖像處理方法的研究

趙廷釗1,2

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

提出了一種改進型細胞神經網絡,其細胞神經網絡MMCNN方程更適合于數學形態濾波。MMCNN可以適時、并行完成各種數學形態運算。文中給出了有關MMCNN的動態范圍和穩定狀態的定理,證明MMCNN在一定的條件下可以通過動態過程的穩定達到數學形態濾波的結果。MMCNN不僅可以由動態過程模擬實現膨脹/腐蝕運算,也可以模擬實現結構開/閉運算。

細胞神經網絡 煤倉圖像處理 數學形態學

1 概述

在井下煤倉圖像的處理識別中,由于環境的惡劣,往往造成識別困難。近年來,數學形態學在數字圖像處理領域得到了廣泛的應用,各種形態結構和算法不斷涌現,其應用范圍涉及各種圖像預處理過程,這為井下運用圖像識別技術提供了新的途徑。數學形態學的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,而且形態算子具有高度非線性。通過選擇不同尺寸和形狀的結構元,可以實現不同的圖像預處理效果。為此,各種分解結構元的算法應運而生。1982年,美國加州工學院物理學家霍普菲爾德(Hopfield)提出了HNN模型,從而有利地推動了神經網絡的研究。他引進了“計算能量函數”的概念,給出了網絡穩定性判據,為神經計算機的研究奠定了基礎。同時它開拓了神經網絡用于聯想記憶和優化計算的新途徑。1988年美國加州大學的蔡少堂(L.O.Chua)等人提出了細胞神經網絡模型CNN,與一般神經網絡一樣,它是一個大規模非線性模擬系統,同時又具有自動機的動力學特征。

數學形態學的基本運算可以模擬現實如下列狀態方程:

式中:Vxij(t)——單元(i,j)狀態電壓;

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——與電路元件相關的參數。

通過方程(1)中的運算關系,可以證明Vxij(t)是有界的。

2 用數學形態濾波的細胞神經網絡完成膨脹、腐蝕運算

Matheron定理表明某一大類數學形態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運算。為此,我們從二值圖像的膨脹、腐蝕運算入手討論形態運算。

設X為原始二值圖像,S為結構元,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果。微分方程組采用對差分方程的近似迭代方法動態實現,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 井下煤倉的應用

我們將上述圖像處理的方法應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,并利用基于神經網絡的圖像處理技術,可以達到識別煤倉煤位的目的。輔助光源照射示意圖如圖2所示。由于井下環境惡劣,考慮煤塵、煤塊等因素的影響,光斑周圍會出現大小誤差,利用基于神經網絡的圖像處理技術可以有效彌補誤差造成的識別誤差,達到準確識別的目的。

4 結論

我們對CNN基本狀態方程作了變形,構造了適于數學形態濾波的細胞神經網絡MMCNN方程。MMCNN可以適時、并行完成各種數學形態運算。本文給出了有關MMCNN的動態范圍和穩定狀態的定理,證明MMCNN在一定的條件下可以通過動態過程的穩定達到數學形態濾波的結果。MMCNN不僅可以由動態過程模擬實現 膨脹/腐蝕運算,也可以模擬實現結構開/閉運算。MMCNN實現形態濾波的時間與結構元的尺寸無關,而僅與電路的時間常數有關。

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,可以實現遠程監控,實時性強,適合于礦井信息化的總體要求。

[1] 張立明.人工神經網絡的模型及其應用.上海:復旦大學出版社,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-),河南煤業化工集團公司副總經理,國務院政府特貼專家,教授級高工,在讀博士。

(責任編輯 張艷華)