神经网络 顾晓东_基于神经网络的图像边缘检测方法
!
D
J
1
$
0
’
’
"
0
’
"
’
/
’
&
/
)
-
%+
$
(
’
"-
%%
’
>
,
$
2
%
’
/
5
-
,
N
Y
W
;
_
K
)
1
>
L
0
5
+
%
f
P
Db
0
5
>
-
5
1
%
M
P
;b
0
1
>
8
1
#
/
(
-
-
5
2
5
(
.
P
+
.
(
*
V
,
7
1
(
+W
+
2
1
+
5
5
*
1
+
2
%
/
0
1
+
,
’
1
-
1
,
+
2
3
+
1
4
5
*
6
1
7
8
%
K
,
+
2
L
0
(
)A
!
%
%
!
G
%
/
0
1
+
,
$
!
+
(
/
,
$
&
/
(
D
V
5
7
0
(
J(
.
5
J
2
5
J
5
7
5
=
7
1
(
+
%
O
,
6
5
J(
++
5
)
*
,
-
+
5
7
U
(
*
R
6
1
6
S
*
(
S
(
6
5
J
1
+
7
0
5
S
,
S
5
*
:
E
0
5V
5
7
0
(
J)
6
5
6
,
-
(
2
1
=
,
-
h
)
J
2
V
5
+
7,
-
2
(
*
1
7
0
V
7
(
2
5
75
J
2
5=
,
+
J
1
J
,
7
51
V
,
2
5
6
%
,
+
J7
0
5
+5
J
2
5
S
1
I
5
-
6,
+
J7
0
5
1
*+
5
1
2
0
O
(
*
S
1
I
5
-
6
=
(
V
S
(
6
5
7
0
5O
1
+
,
*
8
6
,
V
S
-
5
6(
.
7
0
5F
B+
5
)
*
,
-+
5
7
U
(
*
R
:D
6
6
=
*
(
-
-
7
-
5
,
*
+
1
+
2
,
+
J
U
5
1
2
0
7
*
,
+
J
(
V
J
1
6
7
)
*
O
,
+
=
5
V
5
7
0
(
J
1
6
,
-
6
(
S
*
(
S
(
6
5
J
7
(
,
=
=
5
-
5
*
,
7
5
7
0
5
=
(
+
4
5
*
2
5
+
=
5
6
S
5
5
J
:
E
0
5
7
5
6
7
(
+
1
V
,
2
5
6
S
*
(
4
5
6
7
0
,
7
7
0
5
5
J
2
5
J
5
7
5
=
7
1
(
+
O
8
7
0
1
6
V
5
7
0
(
J+
(
7(
+
-
8
1
V
S
*
(
4
5
67
0
5-
5
,
*
+
1
+
2
5
.
.
1
=
1
5
+
=
8
(
.7
0
5+
5
)
*
,
-+
5
7
U
(
*
RO
)
7,
-
6
(0
,
6,
2
(
(
J5
J
2
5
=
-
(
6
5
+
5
6
6
,
+
J
7
*
)
5
5
J
2
5
:
4
’
3
5
-
,
"
(
(
+
5
)
*
,
-
+
5
7
U
(
*
R
&
=
,
+
J
1
J
,
7
5
S
1
I
5
-
&
5
J
2
5
J
5
7
5
=
7
1
(
+
!!
邊緣是圖像
的
最
基
本
特
征
之一
%
基
于
梯度
的
傳統邊緣檢測方法對圖像的邊緣檢測研究已經取
得了一些成果
:
但這些以各種微分算子為基礎
%
結
合模板
’
門限以及平
滑
技
術
的
邊緣
檢
測算
法
其
自
適應的性能較差
:
因
此
尋
找
新
的邊
緣
檢測
算
法
是
必要的
)
!
>
#
*
:
神經網絡所具有
的
自
組織
性
’
自學
習
性
以
及
自適應性
決
定
了
神
經
網
絡
用
于
邊
緣
檢
測
的
可
行
性
:
但由于神經網絡是通過樣本進行學習的
%
樣本
選擇的合理與否極大程度地決定了神經網絡性能
的好壞
:
近年來采用神經網絡進行邊緣提取又成
為一新的研究方向
)
?
>
G
*
%
但
是
尚
處
在
實
驗
階
段
%
尤
其對樣本的選擇問題還沒有很好的解決方法
:
圖像邊緣檢測神經網絡的訓練樣本可以分為
兩種
(
邊緣模式和非邊緣模式
:
非邊緣模式不包含
邊界信息卻作為樣本訓練
%
使神經網絡的訓練非
萬方數據
總結
以上是生活随笔為你收集整理的神经网络 顾晓东_基于神经网络的图像边缘检测方法的全部內容，希望文章能夠幫你解決所遇到的問題。
- 上一篇： python 打印xml文档树_[Pyt
- 下一篇： 销户c语言,c – 如何在注销时优雅地退