自组织特征映射网的应用

基于自组织特征映射网的灰度图像二值化方法摘要：基于自组织特征映射网的灰度图二值化方法，所采用的自组织特征映射网络输入层只含有一个节点，其输入z为图像像素灰度值。输出层是两个节点组成的一维阵列，输出Y=[y1,y2]=[0,255]，由于输出层只有两个节点，所以网络的训练算法中不需考虑侧反馈。关键词：SOFM，自组织特征映射网，灰度图像，二值化一、SOFM网络结构和原理SOFM网络结构自组织特征映射（SOFM）神经网络是芬兰神经网络专家Kohonen于1981年提出的，该网络的出发点是模拟大脑皮层中具有自组织特征的神经信号传送过程，属于无导师学习的竞争型神经网络。其网络结构如图1所示，由输入层和竞争层组成，输入层由N个神经元组成，竞争层由M个输出神经元组成，且形成一个二维阵列。输入层与竞争层各神经元之间实现全互连接，竞争层之间实行侧向连接。网络根据其学习规则，对输入模式进行自动分类，即在无导师情况下，通过对输入模式的自组织。学习，抽取各个输入模式的特征，在竞争层将分类结果表示出来。图1SOFM的基本原理SOFM的基本原理是：当某类模式输入时，输出层某节点得到最大刺激而获胜，获胜节点周围的节点因侧向作用也受到刺激。这时网络进行一次学习操作，获胜节点及周围节点的连接权值向量朝输入模式的方向作相应的修正。当输入模式类别发生变化时，二维平面上的获胜节点也从原来节点转移到其它节点。这样，网络通过自组织方式用大量样本数据来调整其连接权值，最后使得网络输出层特征图能够反映样本数据的分布情况。SOFM网络的主要特性为：1）自组织排序性质，即拓扑保持能力；2）自组织概率分布性质；3）以若干神经元同时反映分类结果，具有容错性；4）具有自联想功能。SOFM网络的主要功能是实现数据压缩、编码和聚类，实际应用包括：模式识别、过程和系统分析、机器人、通信、数据挖掘以及知识发现等。二、基于SOFM的图像二值化方法基于自组织特征映射网的灰度图二值化方法，所采用的自组织特征映射网络输入层只含有一个节点，其输入z为图像像素灰度值。输出层是两个节点组成的一维阵列，输出Y=[y1,y2]=[0,255]，由于输出层只有两个节点，所以网络的训练算法中不需考虑侧反馈。二值化算法分为两步：①对网络的两个权值w1和w2初始化。然后，把一幅待处理的灰度图的像素作为样本，灰度值为样本特征，将所有像索灰度值依次输入SOFM网，经过一定次数的训练，网络的权值w1和w2分别逼近图像的背景类中心的灰度和目标类中心的灰度。②以训练后的w1和w2作为网络的权值，重新将所有像素灰度值输入网络按欧氏距离进行竞争判断，若某一像素靠近背景类中心w1，则输出节点y1获胜，该像素被二值化为“0”(黑色)；若某一像素靠近目标类中心w2，则输出节点y2获胜，该像素被二值化为“255”(白色)。当所有像素参于竞争判断后，即完成了灰度图的二值化。三、二值化过程中几个问题的讨论在网络开始训练时，由于权值的初始值可随机选择，W-和w。的大小次序不定，所代表的类中随其大小次序不同而变化。这样，对于网络输出层的两个节点，就难以判断到底哪一个节点代表目中心或背景类中心，使得经过二值化的图像，目标和背景的黑自颜色随机变化。由于灰度值的大小度图中区分目标和背景的一种特征，SOFM网的自组织学习能力使得小的权值吸引灰度值较小的，大的权值吸引灰度值较大的像素。因此解决方法是，在对权值w1和w2初始化后，通过大小比较，把小的权值放在w1,把大的权值放在w2,使之有序化，这样可保证二值化后背景灰度值恒为0，目标灰度值恒为255。虽然网络权值的初始化一般可选择很小的随机数，但由于初始权值离目标和背景类中心较远，训练次数和花费的时间多。因此，应尽可能将初始权值选在目标和背景类中心附近。为了做到这一点，可以先用整个图像的灰度平均值将像素分成两组，再求出两组像素各自的灰度平均值，作为初始权值，可大大减少训练次数。该算法虽然不直接求灰度阈值，但通过聚类找到的目标和背景两个灰度中心反映了整体阈值的存在，本质上仍属于整体阈值法。经过实例观察发现，目标和背景两个灰度中心的平均值即为整像的灰度阈值。因此，对于某些受噪声干扰严重的图像(其灰度直方图中的目标灰度分布区域与背度分布区域相互交错)，该算法处理效果不如局部阔值二值化方法。解决这个问题，可以考虑把的局部灰度特性与整体灰度分布特性相结合作为二值化的依据。四、总结该算法来源于合肥工业大学的学报上发表的一篇论文，是自组织特征映射网一个具体应用例子。该算法主要叙述了一种基于SOFM的灰度图像二值化方法，利用SOFM网络良好的聚类特性，对256色灰度图的像素按灰度值聚类，从而找到目标与背景两个类中心，通过所有像素与目标和背景类中心的灰度距离竞争达到二值化。五、参考文献[1]刘峡壁.人工智能导论-方法与系统.北京:国防工业出版社,2008[2]方敏.基于自组织特征映射网的灰度图像二值化方法[J].合肥工业大学学报(自然科学版),2001,24(6)