论文部分内容阅读
常规图象边沿提取算法多基于微分滤波的思想，由于噪声影响，难以取得定位与抗噪的很好折中，本文应用模式分类的概念，选择抗噪能力强的空间矩作统计特征，设计了一个简单的非线形神经网络边沿算子，利用网络学习的能力直接估计后验分类概率密度，一步完成从灰度图到边沿图的映射，对输出采用固定门限而无需后处理，即可获取单一宽度的边沿，文中给出了合成图与真实图的对比实验结果，表明本算子具有良好的定位与噪声抑制的能力，具