鬆弛法研究: 應用及類神經網路製作

Abstract

松馳法由於可以使用上下文的資料訊來減少局部的含糊, 并提昇整體的一致性, 因此 便成為解決具有含糊不清與不確定情況的影響像分析與電腦視覺問題之一項重要技術 。不過由於鬆馳法須要反覆執行, 使得它的速度相當慢。另外, 目前多數的細線化方 法大都是使用局部運算, 因此其執行結果不穩定且易失掉。 本論文中, 首先基於鬆馳法提出一個同時適用於灰度與二值影像的新細線化方法。在 這個新方法裡, 細線化被視為一種將各個像素分別歸類到骨架或非骨架的一個過程, 因此可以用鬆馳法來做細線化。在這個細線化過程中, 用到原始資料中的上下文資訊 , 因此可盡量保持直線的直線性。我們一共用了五種類別, 其中四個類別分別代表四 種不同方向的骨架, 另一個類別則代表非骨架。當所有的點都被歸類到骨架或非骨架 時, 整個鬆馳過程就停止。實驗結果顯示出所提出的這個方法在保持直線性上十分有 效。 接下來, 為了加快松馳法的執行速度, 我們另提出了兩種可以將松馳法對映到類神經 網路上的方法。在被對映到的類神經網路中, 神經細胞是用來代表原先鬆馳法中的各 種假設, 而神細胞間的連結則用來代表各種假設之間的關系。藉由這兩個對映之方法 , 類神經網路技術可以容易地用來解決許多目前已經用鬆馳法處理的問題, 類神經網 路的許多優點也因而以發揮到許多鬆馳法的應用之中。藉著定出一個特殊的能量函數 , 我們提出第一種對映方法, 以使得“Hopfield類神經網路”執行松馳的神經細胞“ 池”中, 我們提出第二種對映方法, 使得“交互激勵與競爭網路”可以執行鬆馳過程 。論文中所列出的實驗結果驗證了這兩種對映方法之可行性。