基于细胞神经网络的煤仓图像处理方法的研究

赵廷钊

(1.中国矿业大学(北京)机电与信息工程学院,北京市海淀区,100083;2.河南煤业化工集团公司,河南省郑州市,450046)

基于细胞神经网络的煤仓图像处理方法的研究

赵廷钊1,2

(1.中国矿业大学(北京)机电与信息工程学院,北京市海淀区,100083;2.河南煤业化工集团公司,河南省郑州市,450046)

提出了一种改进型细胞神经网络,其细胞神经网络MMCNN方程更适合于数学形态滤波。MMCNN可以适时、并行完成各种数学形态运算。文中给出了有关MMCNN的动态范围和稳定状态的定理,证明MMCNN在一定的条件下可以通过动态过程的稳定达到数学形态滤波的结果。MMCNN不仅可以由动态过程模拟实现膨胀/腐蚀运算,也可以模拟实现结构开/闭运算。

细胞神经网络 煤仓图像处理 数学形态学

1 概述

在井下煤仓图像的处理识别中,由于环境的恶劣,往往造成识别困难。近年来,数学形态学在数字图像处理领域得到了广泛的应用,各种形态结构和算法不断涌现,其应用范围涉及各种图像预处理过程,这为井下运用图像识别技术提供了新的途径。数学形态学的4个基本运算是扩张、腐蚀、开启和闭合,它们与卷积的运算方法类似,只是卷积中的乘法和加法被与/或、取大/取小运算代替,而且形态算子具有高度非线性。通过选择不同尺寸和形状的结构元,可以实现不同的图像预处理效果。为此,各种分解结构元的算法应运而生。1982年,美国加州工学院物理学家霍普菲尔德(Hopfield)提出了HNN模型,从而有利地推动了神经网络的研究。他引进了“计算能量函数”的概念,给出了网络稳定性判据,为神经计算机的研究奠定了基础。同时它开拓了神经网络用于联想记忆和优化计算的新途径。1988年美国加州大学的蔡少堂(L.O.Chua)等人提出了细胞神经网络模型CNN,与一般神经网络一样,它是一个大规模非线性模拟系统,同时又具有自动机的动力学特征。

数学形态学的基本运算可以模拟现实如下列状态方程:

式中:Vxij(t)——单元(i,j)状态电压;

Vykl(t)——单元输出电压;

Vukl——单元输入电压;

I——恒定电流源;

C、R、A、B——与电路元件相关的参数。

通过方程(1)中的运算关系,可以证明Vxij(t)是有界的。

2 用数学形态滤波的细胞神经网络完成膨胀、腐蚀运算

Matheron定理表明某一大类数学形态运算可用一组腐蚀的并集运算完成(或一组膨胀的交集)。Giardina和Dougherty还把该定理推广到灰度级的形态运算。为此,我们从二值图像的膨胀、腐蚀运算入手讨论形态运算。

设X为原始二值图像,S为结构元,腐蚀、膨胀运算由下式定义:

式中:Sx——S的位移x,即Sx=

另外,膨胀与腐蚀之间存在对偶性:

式中:Xc——集合X的补集;

图1为计算机模拟实验的结果。微分方程组采用对差分方程的近似迭代方法动态实现,迭代相对误差为1×10-6;采用两个大小不同的模板S1和S2,并采用了一幅136×136的二值图。

3 井下煤仓的应用

我们将上述图像处理的方法应用于井下煤仓煤位图像的识别,取得了满意的效果。利用辅助光源照射在煤仓煤面上的光斑,获取图像后,并利用基于神经网络的图像处理技术,可以达到识别煤仓煤位的目的。辅助光源照射示意图如图2所示。由于井下环境恶劣,考虑煤尘、煤块等因素的影响,光斑周围会出现大小误差,利用基于神经网络的图像处理技术可以有效弥补误差造成的识别误差,达到准确识别的目的。

4 结论

我们对CNN基本状态方程作了变形,构造了适于数学形态滤波的细胞神经网络MMCNN方程。MMCNN可以适时、并行完成各种数学形态运算。本文给出了有关MMCNN的动态范围和稳定状态的定理,证明MMCNN在一定的条件下可以通过动态过程的稳定达到数学形态滤波的结果。MMCNN不仅可以由动态过程模拟实现 膨胀/腐蚀运算,也可以模拟实现结构开/闭运算。MMCNN实现形态滤波的时间与结构元的尺寸无关,而仅与电路的时间常数有关。

将这种方法运用于井下煤仓煤位的识别,效果良好。一是克服了接触式煤位检测方式使用寿命短,时间长,费工费时的缺点;二是利用图像识别技术,可以实现远程监控,实时性强,适合于矿井信息化的总体要求。

[1] 张立明.人工神经网络的模型及其应用.上海:复旦大学出版社,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

赵廷钊(1964-),河南煤业化工集团公司副总经理,国务院政府特贴专家,教授级高工,在读博士。

(责任编辑 张艳华)