小波神經網絡特征提取技術在圖像邊緣檢測中的應用.pdf

1、本文主要工作圍繞基于灰度圖像的邊緣檢測技術出發(fā)，提出了一種新的神經網絡檢測方法，構造了新的神經網絡拓撲結構并設計了相應的算法，最后通過仿真實驗對方法進行了驗證，實驗結果表明這一方法具有強的弱邊緣檢測能力和較好的魯棒性，并對白噪聲具有很好的濾波作用，主要工作如下:
　　1、首先研究了圖像邊緣及分類，概述了傳統(tǒng)的邊緣檢測方法，詳細討論了經典邊緣檢測算子，并驗證了其檢測效果。
　　2、研究了神經網絡理論，探討結合圖像邊緣特點構造神

2、經網絡，系統(tǒng)研究并分析了小波神經網絡的結構及分類與學習算法。
　　3、通過比較分析多種經典邊緣檢測算子各自的特點和性質，得出了各種算子的優(yōu)缺點，以及它們各自的適用范圍：基于梯度的邊緣檢測算子算法雖然操作簡單，但是抗噪性能不是太好，多用在對邊緣比較清楚的圖像進行檢測；線性濾波邊緣檢測算子適用于背景較復雜的圖像。實驗結果表明，其檢測性能于梯度算子邊緣檢測方法。
　　4、通過編程實現WNN用于圖像邊緣檢測。實驗結果表明，WNN在噪