1、細(xì)胞神經(jīng)網(wǎng)絡(luò)自提出以來，因其高速、實(shí)時(shí)并行計(jì)算和易于VLSI實(shí)現(xiàn)等特點(diǎn)被廣泛應(yīng)用于圖像處理、模式識別、聯(lián)想記憶和保密通信等領(lǐng)域，目前已經(jīng)取得了較大的進(jìn)展。成像法位移測量是橋梁等大型基礎(chǔ)設(shè)施變形測量的有效方法，其關(guān)鍵是在復(fù)雜自然環(huán)境下對光標(biāo)快速而準(zhǔn)確的識別和處理，目前成像法位移測量系統(tǒng)中采用傳統(tǒng)圖像處理方法進(jìn)行光標(biāo)的識別和處理，經(jīng)研究發(fā)現(xiàn)基于此的算法復(fù)雜、計(jì)算量大，難以滿足橋梁等基礎(chǔ)設(shè)施健康監(jiān)測實(shí)時(shí)性的需求，并且光標(biāo)處理和識別的準(zhǔn)確度還有

2、待提高。利用細(xì)胞神經(jīng)網(wǎng)絡(luò)高速實(shí)時(shí)圖像處理的特點(diǎn)，本文將基于細(xì)胞神經(jīng)網(wǎng)絡(luò)的圖像處理理論和方法應(yīng)用到成像法位移測量系統(tǒng)中，提高了復(fù)雜自然環(huán)境下光標(biāo)圖像的處理速度和精度，對橋梁等大型基礎(chǔ)設(shè)施的位移監(jiān)測有較大的應(yīng)用價(jià)值。
　　 本文的主要工作包括以下幾個(gè)部分：
　　 ①介紹了細(xì)胞神經(jīng)網(wǎng)絡(luò)的基本概念、國內(nèi)外研究現(xiàn)狀，根據(jù)細(xì)胞神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)特點(diǎn)和數(shù)理模型詳細(xì)分析了其動(dòng)態(tài)范圍及穩(wěn)定性。闡述了細(xì)胞神經(jīng)網(wǎng)絡(luò)應(yīng)用于圖像處理的基本思想。

3、>　　 ②提出了一種基于改進(jìn)粒子群優(yōu)化算法的細(xì)胞神經(jīng)網(wǎng)絡(luò)模板設(shè)計(jì)方法，有效的實(shí)現(xiàn)了噪聲去除模板和邊緣提取模板的設(shè)計(jì)，取得了較傳統(tǒng)噪聲去除和邊緣提取算法更好的圖像處理效果，并將得到的模板應(yīng)用到激光光斑索塔位移測量中。
　　 ③針對基于激光光斑的索塔位移測量，設(shè)計(jì)了一種基于細(xì)胞神經(jīng)網(wǎng)絡(luò)圖像處理的方案。其中包括針對低比度激光光斑提出了一種閾值快速搜索算法，并應(yīng)用于細(xì)胞神經(jīng)網(wǎng)絡(luò)的圖像閾值化；設(shè)計(jì)了基于細(xì)胞神經(jīng)網(wǎng)絡(luò)的形態(tài)學(xué)操作模板，可以

4、實(shí)現(xiàn)任意形狀的結(jié)構(gòu)元；對提取的光斑邊緣用圓擬合算法進(jìn)行中心定位，提高了中心定位的精度。
　　 ④針對基于條形燈管的自定標(biāo)豎向位移測量系統(tǒng)，提出了一種基于細(xì)胞神經(jīng)網(wǎng)絡(luò)的二值圖像細(xì)化算法，能有效地對二值燈管圖像進(jìn)行細(xì)化并保持處理結(jié)果的連通性。然后將其與細(xì)胞神經(jīng)網(wǎng)絡(luò)閾值化和形態(tài)學(xué)操作算法相結(jié)合提出了一種豎向位移測量圖像處理方案，相比傳統(tǒng)處理方法提高了系統(tǒng)測量的精度。
　　 最后對全文工作進(jìn)行了總結(jié)，并指出了本文的不足之處和今后