改进的自组织网络在三峡岩体图像分割中的应用  

Application of Improved Self-Organizing Map to Three Gorges Rock Image Segmentation

作　　者：陈立万[1] 

机构地区：[1]重庆三峡学院应用技术学院,重庆万州404000

出　　处：《微计算机信息》2010年第21期104-106,共3页Control & Automation

基　　金：基金申请人:陈立万;项目名称:三峡库区岩石节理裂隙研究;基金颁发部门:教育部立项资助"春晖计划"科研项目(Z2007-1-63005)

摘　　要：研究三峡库区岩石节理的力学行为和表面形态对于消除库区安全隐患有重要的意义。采用图像分割的方法对岩体图像进行处理,有助于准确获取岩石节理的力学行为和表面形态。本文针对三峡库区的岩石表面裂隙节理特点,采用改进的自组织网络对岩石图像进行分割处理,并与BP神经网络处理结果进行比较。实验结果表明,改进的自组织网络分割方法具有精确高、速度快等优点。Research of the mechanical performance and surface morphology of rock fracture in Three Gorges area is very important to eliminate potential safety hazard. Image segmentation approaches, which can be used to the rock image processing, are helpful to acquire the mechanical and surface morphology of rock fracture. This paper adopts Improved Self-Organizing Map （ISOM） to segment rock image, and then compares ISOM with the method of BP Neural Network. The experiment results indicate that ISOM has several advantages such as high accuracy, high speed.

关 键 词：人工神经网络 自组织网络 图像分割 岩石节理裂隙 

分 类 号：TP183[自动化与计算机技术—控制理论与控制工程]