用前向网实现噪声图像的边缘提取

本文提出采用多层前向网及改进的ＢＰ算法，对经Ｃａｎｎｙ最佳边缘检测算子处理噪声图象后得到的高、低门限图进行不连续轮廓的并行“修补”，能够较快地得到信噪比高的边缘图象。     

基于粗集方法改进的图象增强

研究一个基于粗集理论改进的图象增强方法，首先根据图象灰度和邻域灰度均值相似程度，建立粗集等价关系和相应划分集合，然后得到基于粗集方法的图象增强框架，提出该方法具体实现。该图象增强与传统增强方法相比较，在增强图象边缘的同时，很好地保留非边缘信息，并且能有效抑制噪声。     

提取深度图象尖顶边缘的一种新方法

提出了一种以基本数学形态学运算为基础的在深度图象中提取尖顶边缘的方法．首先用形态梯度算子处理深度图象，使尖顶边缘包含在图象的凹谷中．然后用形态凹谷检测算子将凹谷检测出来，并在尖顶边缘处形成凸峰．计算凸峰的局部极点，从而得到对应的尖顶边缘点的位置．用实际的深度图象进行了实验，结果证明这种方法快速有效，并且具有良好的抗噪声性能。     

边缘保持递归去噪算法及在图象处理中的应用

为了在图象处理时，既可以有效地去除噪声，又不会太多地破坏边缘，在一维卡尔曼滤波器的基础上，通过加入噪声图象边缘的结构信息，导出了一种简单的、可快速计算的边缘保持递归去噪算法。算法的主要思想是将与边缘大小和位置有关的信息从噪声图象中提取出来并将这些信息作为卡尔曼滤波器的控制输入，采用这种方法可以有效地降低图象边缘破坏的程度。对包含边缘信息和不含边缘信息的Ｘ线头影图象进行了处理，实验结果表明，加入边缘信息的卡尔曼滤波器的性能明显优于传统的卡尔曼滤波器，改进的滤波器在去除图象噪声的同时，可以有效地保持图象的边缘。     

超声心动图象内外膜的自动检测与测量

为定量计算一些重要的心脏功能数据,提高心脏病的诊断水平,研究了超声心动图象内外膜的自动检测与测量技术．首先对超声心动图象进行滤波以消除图象中的噪声,并运用模糊数学理论进行模糊边缘增强,提取超声心动图象的内外膜边缘信息;接着对超声心动图象作二值化处理和椭圆曲线拟合,初步得到心脏的内外膜边缘;再采用相应的三次样条插值和平滑技术,得到光滑、连续的心脏内外膜边缘．在此基础上,再对心脏进行节段划分,并计算有关的心脏功能数据．经实验证实,用此方法可快速得到较准确的结果．     

植物染色体图象的自适应复原

本文提出了植物染色体图象的一个自适应多元回归复原方法。选择染色体带边缘的某个邻域作为特征区域,经过滤波、分割和边缘提取得到特征区域的理想图象。根据模糊图象和估计的理想图象,利用多元回归分析设计滤波器,最后将滤波器应用于整幅图象完成图象的复原。实验结果表明:本文方法速度快,复原效果好。     

基于粗集方法改进的图象增强

研究一个基于粗集理论改进的图象增强方法,首先根据图象灰度和邻域灰度均值相似程度,建立粗集等价关系和相应划分集合,然后得到基于粗集方法的图象增强框架,提出该方法具体实现。该图象增强与传统增强方法相比较,在增强图象边缘的同时,很好地保留非边缘信息,并且能有效抑制噪声。     

基于粗集方法改进的图象增强

研究一个基于粗集理论改进的图象增强方法,首先根据图象灰度和邻域灰度均值相似程度,建立粗集等价关系和相应划分集合,然后得到基于粗集方法的图象增强框架,提出该方法具体实现.该图象增强与传统增强方法相比较,在增强图象边缘的同时,很好地保留非边缘信息,并且能有效抑制噪声.     

模糊熵应用于图象边缘检测

图象边缘检测在图象分析和识别中具有重要的意义作者将模糊子集理论＾１，２中的模糊熵概念引入图象边缘检测中支１，在图象的模糊特征平面上，用最大熵原则也确定边缘有阈值。实验结果表明了该方法具有良好的有效性。     

用模糊概率检测图象边缘的方法

提出一种用模糊概率检测图象边缘的方法；详细讨论了边缘隶属函数的建立及用模糊概率检测图象边缘的具体方法和步骤。最后给出用该方法检测图象边缘的实例，结果令人满意。     

图像识别神经网络处理系统

目的　研制用于二值图像实时识别的神经网络处理器; 方法　采用数字电路实现的图像识别神经网络系统有３ 大模块：边缘提取模块以二值图像序列作为输入,用平面建筑物原理和８ 邻域原理提取图像的边缘特征;特征提取模块在边缘特征的基础上提取具有不变性的角特性和组块特征;模式分类模块采用４ 层特征映射神经网络实现图像模式识别; 结果　通过对图像信号发生器送出的二值飞机图像识别说明,训练样本数越多系统识别率越高; 结论　该系统能够快速、正确地实时识别二值图像序列;     

一种基于反应扩散方程的彩色图像边缘检测方法

针对彩色图像边缘自适应阈值设置的问题, 利用反应扩散方程的动力学性质, 通过优化反应扩散方程的扩散系数, 提出一种基于反应扩散方程的细胞神经网络彩色图像边缘检测方法, 使阈值更具适应性. 结果表明, 通过基于FitzHugh-Nagumo反应扩散方程改进的细胞神经网络可更好地进行彩色图像边缘检测, 与几种常用方法进行实验对比的结果也表明, 该方法在检测彩色图像边缘上既能保证检测边缘的准确性, 又能很好地保持图像边缘的颜色信息, 并在定量和定性分析中优于其他几种常用方法.     

混合神经网络在颗粒图像边缘检测中应用

提出了一种应用混合神经网络进行颗粒图像边缘检测的方法·边缘候选图像是通过采用基于灰度极小值算法提取边缘候选像素获得,神经网络以边缘候选图像中的边缘候选像素及其邻域像素的二值模式作为训练样本·对经过噪声污染的图像进行实验表明,该方法获得的边缘图像封闭性较好、边缘描述真实,适用于颗粒图像的边缘检测·     

用BP网络进行彩色图像分割和边缘检测

采用ＢＰ网络模型,研究了彩色图像分割和边缘检测的神经网络方法．选取训练样本图像,并分别以区域增长分割法和Ｓｏｂｅｌ边缘检测方法所得结果为导师信号,将图像的特征向量采用ＢＰ算法进行训练,然后对实测图像进行分割和边缘检测．与采用区域增长法所得分割结果和采用Ｓｏｂｅｌ边缘检测方法所得边缘检测结果进行比较,ＢＰ网络方法能取得同样较好的效果     

基于五阶CNN的图像边检测算法研究

边缘是图像的最基本的特征之一,边缘提取是图像分析中非常重要的步骤,而细胞神经网络是边缘检测中很有效的一种方法.作者基于细胞神经网络(cellular neural network,简称CNN),研究了5阶CNN模板对图像边缘检测的过程,阐述了算法实现过程中的关键步骤,并且证明了算法的稳定性.对图像分别采用基于5阶、3阶CNN算法和经典算子(Prewit、Canny、Sobel等)进行边缘提取,定性分析比较了几类算法在性能上的优劣,定量比较了检测结果的准确性.实验结果表明,基于5阶CNN模板算法的边缘检测结果更加显著,且在硬件实现上能够高速并行计算,实现图像实时处理.     

The Recognition of Silk Fabric Defects Based on Biorthogonal Wavelet Analysis and SOM Neural Network

A feasible approach fog the recognition of silk fabric defects based on wavelet transform and SOM neural network is proposed in this paper, the indispensable processes of which are defect images denoising and enhancement, image edge detection, feature extraction and defects identification. Both geometrical and textural feature panuneters are extracted from the edge image and the enhanced defect image, and utifize SOM neural network to recognize the common defects which silk fabrics have, including warp- lacking, weft-lacking, double weft, loom bars, oll-stalin. Experimental results show the advantages with high identification correctness and high inspection speed.     

基于游程长度和边缘统计的图像拼接检测

阐述了一种利用图像内在统计特性进行图像拼接检测的方法。图像拼接检测是一个基于拼接图像特征的模式识别问题。本文通过对游程长度和图像边缘的统计特性进行分析,说明了拼接操作所引起的图像像素不相关性和不连续性。为进行拼接检测,从图像游程长度和图像边缘统计特性中提取特征量,以此特征量去训练神经网络作为最后的分类器。结果表明,由此特征量作为图像拼接检测的标准,检测结果的精确度良好。     

铝合金MIG焊熔池的脉冲耦合神经网络边缘检测

针对铝合金MIG焊熔池边缘检测问题,采用脉冲耦合神经网络检测铝合金MIG焊熔池边缘.介绍脉冲耦合神经网络算法的原理,利用MATLAB软件平台进行基于脉冲耦合神经网络的铝合金MIG焊熔池图像的边缘检测,并将结果与用Canny等算子提取的结果进行对比分析.结果表明,应用脉冲耦合神经网络算法进行熔池图像边缘检测是可行的,而且...     

Edge detection of range images using genetic neural networks

Due to the complexity and asymmetrical illumination, the images of object are difficult to be effectively segmented by some routine method. In this paper, a kind of edge detection method based on image features and genetic algorithms neural network for range images was proposed. Fully considering the essential difference between an edge point and a noise point, some characteristic parameters were extracted from range maps as the input nodes of the network in the algorithm. Firstly, a genetic neural network ...     

Image Edge Detection Based on Oscillation

IntroductionArtificial neural networks can be dividedintotwo classes :rate code neural networks and pulse-based neural networks .Inrate code neural networks the outputs of the neurons arecontinuous , whereas in pulse-based neural networks theneurons emit pulses . Although rate code neural models havebeen well studied, researchers continue to find the evidencerecently that in many cases the brain may accomplishcomputations on pulses(action potential) . Great effort hasbeen devoted towards the a…