一种用于边沿提取的神经网络分类器

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来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,具有较高的实用价值。