基于LVQ神经网络的图像边沿检测研究

您当前的位置：

首页 >

文章列表页 >

基于LVQ神经网络的图像边沿检测研究

光学图像处理与识别 | 更新时间：2025-09-01

- 基于LVQ神经网络的图像边沿检测研究
- Research on image edge detection using LVQ neural network
- 光学技术 2021年47卷第4期页码：489-493
- 作者机构：
  
  1:赣南师范大学物理与电子信息学院
- 作者简介：
- 基金信息：
  
  江西省教育厅科学技术研究项目(GJJ201437);江西省教育厅科学技术研究项目(GJJ170843)
- DOI：10.13741/j.cnki.11-1879/o4.2021.04.018
  中图分类号：
- 纸质出版：2021
- 稿件说明：
移动端阅览
郭勇, 李梦超, 谢晓春, 等. 基于LVQ神经网络的图像边沿检测研究[J]. 光学技术, 2021,47(4):489-493.

Research on image edge detection using LVQ neural network[J]. 2021, 47(4): 489-493.
郭勇, 李梦超, 谢晓春, 等. 基于LVQ神经网络的图像边沿检测研究[J]. 光学技术, 2021,47(4):489-493. DOI： 10.13741/j.cnki.11-1879/o4.2021.04.018.

Research on image edge detection using LVQ neural network[J]. 2021, 47(4): 489-493. DOI： 10.13741/j.cnki.11-1879/o4.2021.04.018.

分析了传统边沿检测算子的优缺点

引入LVQ神经网络检测图像边沿;阐述了其以传统算子检测结果为教师信号

以灰度图像5×5邻域的中值特征量、方向特征量、Kirsch算子方向特征量为一组特征量作为输入信号训练权值的检测原理与训练过程

给出了特征量的计算公式;以检测脐橙图像边沿为例

设置了不同阈值、不同教师信号类型。结果表明

LVQ神经网络检测边沿

不依赖于教师信号的类型和阈值

在提高边沿连续性和抑制过度曝光点两方面比传统算子检测有显著优势。

浏览量

225

下载量

CSCD

文章被引用时，请邮件提醒。

提交

工具集

关联资源

暂无数据