基于脉冲耦合神经网络的工件边缘定位.pdfVIP

第 20 期 计算 机 技术 与 发 展 VtI．20 NO．6 2010年 6月 CDMPt兀 RTECHNoI ；Y ANDDEVELOPMENT Jun． 2010 基于脉冲耦合神经网络的工件边缘定位 王培珍，董恒志，周 可 (安徽工业大学 电气信息学院，安徽 马鞍山 243002) 摘 要 ：为实现在工业测量中对工件边缘的快速准确定位，以满足在线测量系统的实时性的要求 ，利用脉冲耦合神经网络 (PCNN，PulseCoupledNeuralNetwork)，并结合前三阶灰度矩实现 了对工件边缘的精确定位。该方法首先利用脉冲耦合神 经网络对待测量工件进行初步定位，然后利用初步定位的结果设置感兴趣的区域，再利用前三阶灰度矩在原始灰度图像 上的感兴趣区域内进行边缘的亚像素细分。实验结果表明该方法抗噪声能力强，边缘定位准确，列刚能够提高边缘的检 测速度。 关键词 ：工件 ；脉冲耦合神经网络；灰度矩 ；边缘检测 ；亚像素 中圈分类号：1]P391．41 文献标识码 ：A 文章编号：1673—629X(2010)06—0221—04 W orkpieceEdgeLocatingBasedon PCNN WANG Pei—zhen，DONG Heng-zhi，ZHOU Ke (SchoolofElectricalEngineering Information，AnhuiUniversityofTechnology，Ma’anshan243002，China) Abstract：Toachieveaquicklocatingfortheedgeofworkpieceintheindustrialonlinemeasurementsy．,tem tomeetthereal—time{℃一 quirement．anaccurateworkpiecedegelocatingmethod isimplementedcombinespulsecoupledneuralnerw、．kwithfirsttllreesample gray~ ents．Atfirst，aninitialpositionislocated、jl，ithpuLsecoupledneuralnetwork，andaccordingtotheresultsoffirststepthere～ gionofinterestiss．et，thenthefirstthree samplegraymomentsisme ployedforthesub—pixeldegesegnmntationfrom theoriginalgray —scaleimageintheregionofinterest．Thesimulationresultsshow thatthepmtx)sedapproachhasabilitiesofstronganti—noise，quick andaccurateedgelocating na dimpmves thespeedofdegedetection． Keywords：workpicee；pulsecouplde neuralnetwork；graymoment；edgedetection；subpixel 0 引 言 由Eckhom依据猫的大脑视觉皮层同步脉冲发生 在图像测量系统中，被测量对象边缘的定位是否 现象[1,2j提出的脉冲耦合神经网络 (PCNN)是新一代 准确，直接影响着整个测量系统的精度。自从 1965年 的人工神经网络，由于其具有 良好的脉冲传播特性 ，并 Roberts系统研究边缘检测以来 ，出现了多种边缘检测 能减小图像局部灰度差值，同时弥补图像局部微小间 思想。比如基于导数或梯度的方法、基于统计学的方