现代数学基础—基于细胞神经网络的楼面裂痕诊断研究

I基于细胞神经网络的楼面裂痕诊断研究摘要为了更好地监测楼面裂痕，提出了一种改进细胞神经网络楼面裂痕图像识别方法。该方法通过一定的图像处理，建立裂痕网络和细节网络，同时增加了裂痕相似网络模型，避免了仅对裂痕特征提取信息不能准确识别裂痕的问题．实验证明，改进的裂痕识别算法实现简单，识别楼面裂痕准确率高，达到了实时识别技术的要求。关键词：裂痕诊断；楼面裂痕；细胞神经网络DiagnosisofFloorCracksBasedonCellularNeuralNetworkAbstractAnimprovedmethodforfloorriftimageidentificationbasedoncellularneuralnetworkswasdevelopedtomonitorfloorcracks.Throughimageprocessing,riftnetworkanddetailnetworkswerecreated,andtheriftsimilaritynetworkmodelwasestablishedwhichavoidstheproblemthatinformationconcerningcracksisobtainedbutcracksarenotaccuratelyidentified.Experi-mentprovedthattheimprovedmethod,moreeffectiveinidentificationcomputingandmoreaccurateindetectingfloorcracks,reachesthetechnicalstandardofreal-timeidentification.Keywords:Crackdiagnosis;floorcracks;CellularneuralnetworksII目录摘要....................................................................................................................................I目录..................................................................................................................................II引言...................................................................................................................................11绪论........................................................................................................................................21.1细胞神经网络的研究与发展....................................................................................21.2细胞神经网络在图像处理中的应用.......................................................................32楼面裂痕的特征分析...........................................................................................................52.1楼面裂缝的特征........................................................................................................52.2楼面裂缝的类别及成因............................................................................................53细胞神经网络理论的应用..................................................................................................63.1细胞神经网络分析....................................................................................................62.2输出结果...................................................................................................................112.3结果分析...................................................................................................................12结论.................................................................................................................................12参考文献...........................................................................................................................13现代数学基础（论文）-1-引言近年来，随着我国房地产产业的不断发展，人民的居住环境不断提高。但伴随房地产热逐步升温的建筑质量问题，一直是业主最关心的。特别是裂缝、漏水等楼房建筑经常出现的问题，更是建筑质量投诉的热点。与此同时，地震等突发性自然灾害也会对楼房产生巨大的危害。为了减少楼面裂痕的出现，减少建筑质量投诉，加强楼面裂痕的诊断，楼面裂痕研究提上日程。随着对人类高智能活动的进一步研究，人工神经网络已成为当今科学研究的热点之一。人工神经网络具有很强的学习、容错和信息处理能力，并有很高的灵活性及计算并行性，因此在图像处理、模式识别、语音识别、组合优化、判断决策、高速计算机、军事和通信等诸多领域具有广阔的应用前景。近年来，对人工神经网络的研究取得了引人注目的进展，它吸引了越来越多学科和领域的科学家们的巨大热情和广泛兴趣。人们普遍认为，它将使电子科学和信息科学等领域产生革命性的变革，将促使以神经计算为基础的高技术群的诞生和发展，为下一代计算机及其领域的研究开辟一条崭新的途径。现代数学基础（论文）-2-1绪论1.1细胞神经网络的研究与发展众所周知，Hopfield神经网络是目前最为广泛应用的网络模型之一。Hopfield网络模型是一种结构简单的单层完全连接神经网络，但它有严重的缺陷，主要表现在：其一、记忆和模式识别工程中，没有利用模式的几何特征，正是这些几何特征才使得它们在大脑中得以记忆。而模式几何特征的一个重要表现是：模式中任意一个点的象素值仅与其最近郊若干象素的值密切关联，而与远离它的象素值关联不大，即所谓最近邻相关性。其二、尽管人们普遍认为Hopfield神经网络模型较易用VLSI来实现，但当网络总神经元个数很大时，其VLSI实现而有许多实质性困难。现有的VLSI技术仅适合于实现局域和规则连接神经网络，却难以实现几千个神经元的完全连接。其三、由于神经网络是大脑的简化、抽象和模拟，所以它反映了人脑功能的基本特性。大脑大约有1011—1012个神经元，每个神经元有10—105个突触，可见神经元间并非完全连接。因此，作为人脑抽象模型的神经网络应和人脑结构特征一致，即局域连接而非完全连接。欲克服上述缺陷，应将神经网络局域化。细胞神经网络就是其中之一。细胞神经网络（CNN：CellularNeuralNetwork）是在1988年由美国加州大学Chua教授和LinYang博士提出来的[1]，实际上是在Hopfield神经网络基础上派生出来的。细胞神经网络有几个突出的优点：第一，其连续时间的特点使其在数字领域中具有所需的实时信号处理能力；第二，其局部互连特点使其适于VLSI实现，并特别适于高速并行处理；第三，其处理速度与图像规模无关。近些年来，细胞神经网络研究取得了很大发展[2]，并在图像处理和模式识别等方面取得了较好结果。1990年，在匈牙利布达佩斯召开了CNN国际专题研讨会，发表了近百篇论文。2002年在德国法兰克福召开第七届细胞神经网络专题研讨会。目前，细胞神经网络已经广泛应用于图像处理水平线检测、垂直线检测、噪声移去、边缘提取[3]、空洞填充、运动检测、特征检测和字符识别等诸多领域。还有的研究领域包括：图像处理中的二维滤波器、图像编码[4]、机器人视觉、水印加密、目标跟踪等。我国在这方面的研究也取得了一些成果，如：将CNN应用于字符图像平滑，用CNN解决通信现代数学基础（论文）-3-NP复杂度问题，同时在扩频通信和混频通信也运用了CNN，取得了一些重要的进展。目前，CNN研究已有一定理论、应用和实现成果。在理论研究中，不仅包括对CNN做稳定分析[5]，还包括对模型的进一步研究，并有更通用的CNN提出来。而在实现方面，也有许多研究成果。基于细胞神经网络原理的芯片已经发展到ACE16K，每平方毫米集成了180个细胞，每个细胞中含有198个晶体管。1.2细胞神经网络在图像处理中的应用CNN应用于图像处理，需要将图像的像素值离散量化，并将这些像素值线性映射到[-1，1]范围内，空间映射到CNN的细胞排列空间阵列上，即图像的每一个像素的灰度值为CNN中相同位置上的细胞的输入值。由于细胞的状态按非线性微分方程迭代改变，且每个细胞只与其邻域内的细胞相互作用，经过多次迭代，细胞的状态向最低能量方向变化，至网络的能量函数达到最小，整个网络收敛稳定。此时，网络的输出矩阵即为CNN处理输入图像的结果[6]。（1）图像处理的依据细胞神经网络的结构具有以下一些特点：1）细胞局域互连性：细胞神经网络内部细胞采用局域互连，而不同于Hopfield神经网络的全互连，这对VLSI布图非常有利。2）阵列规则性：CTCNN的规则阵列使得布局与布局问题比传统电路和版图设计容易的多，而且它特别适合于采用标准单元设计方法。3）细胞神经网络内部的所有细胞具有相同的电路结构和元件值。细胞神经网络完全由于电路中各细胞相关联的一组非线性微分方程来表征。4）动力学机制：细胞神经网络的动态机制包括输出反馈和输入控制。输出反馈的效果取决于交互性参数A（i，j；k，l），输入控制的效果取决于交互性参数B（i，j；k，l），相应地，可称A（i，j；k，l）为反馈算子，B（i，j；k，l）为控制算子。细胞神经网络就是通过这两种算子执行一定的功能。5）分析与模拟优势：细胞神经网络中，一个细胞至多有三个节点。由于所有细胞有相同数量的节点，且因所有电路元件为压控元件，故它特别适合于采用节点分析法。现代数学基础（论文）-4-此外由于细胞间为局域互连，故对大电路来说，关联矩阵节点方程极其稀疏，适于并行计算。6）所有细胞的输入输出关系是非线性单调上升函数。在CNN网络中采用了分段线性来描述。7）细胞神经网络中酌电路元件值可依实际情况而定。因此，细胞神经网络适用于图象处理，也就是将一个输入图象映射或变换到一个