1 简介

神经网络在图像分割时需要计算大量的训练数据,计算速度跟不上实时数据处理,造成分割图像的质量较差的问题,分析了传统优化BP神经网络算法中存在的问题,提出了一种将增加动量项与自适应调整学习率相结合的优化BP神经网络图像分割方法,该方法可以加快迭代速度,还可以跳出过早局部极小值的局面.最后对经典图像进行分割实验验证,取得较好的效果,同时该算法还有效的缩短了图像分割的时间.

2 部分代码

clc,clear%用于产生样本文件generatesample('data\sample.mat');  %遗传神经网络训练示例gaP = [100 0.00001];bpP = [500 0.00001];load('data\sample.mat');gabptrain( gaP,bpP,p,t )%神经网络分割示例load('data\net.mat');img = imread('image\c.bmp');bw = segment( net,img ) ;figure;subplot(2,1,1);imshow(img);subplot(2,1,2);imshow(bw);%传统BP训练%出现的结果，可能收敛不到目标值，或者收敛步数太长(356步)epochs = 2000;goal = 0.00001 ;net = newcf([0 255],[6 1],{'tansig' 'purelin'});net.trainParam.epochs = epochs;net.trainParam.goal = goal ;load('data\sample.mat');net = train(net,p,t);%遗传BP训练%遗传算法寻找最优权值阈值会用一些时间，%bp的训练还是非常快，38步就收敛到的目标值gaP = [100 0.00001];bpP = [500 0.00001];gabptrain( gaP,bpP,p,t );

3 仿真结果

4 参考文献

[1]孙学敏. 基于遗传神经网络的图像分割技术研究[D]. 中国地质大学(北京).

[2]毕盛楠. 遗传算法优化的BP神经网络的声呐图像分割[D]. 内蒙古大学.

博主简介：擅长智能优化算法、神经网络预测、信号处理、元胞自动机、图像处理、路径规划、无人机等多种领域的Matlab仿真，相关matlab代码问题可私信交流。

部分理论引用网络文献，若有侵权联系博主删除。