一种新的强鲁棒性的边缘检测方法

• 作者: 张晶 张权 王欣
• 来源期刊: 信号处理
• 学科: 工学
• 关键词: 边缘检测 统计向量 BP神经网络 鲁棒性 双阈值
• 年，卷（期）: 2007,（3）
• 所属期刊栏目: 短文与研究通讯
• 页码范围: 455-459
• 页数: 5页
• 分类号: TN91
• 字数: 3996字
• 语种: 中文
• DOI: 10.3969/j.issn.1003-0530.2007.03.032

摘要

针对图像同时叠加脉冲噪声和高斯白噪声的非标准分布噪声的情况,本文提出一种新的基于统计向量和神经网络的强鲁棒性的边缘检测方法.首先选取窗口子区域内若干中间值像素点构造了由4个统计量组成的统计向量.然后计算训练图像的统计向量作为样本,对不加噪的训练图像的统计向量降维并作双阈值处理得到学习边缘图,对BP神经网络训练.最后将训练的BP神经网络直接用于边缘检测.新方法对脉冲噪声和高斯白噪声均具有较好的鲁棒性,BP神经网络的结构和训练都比较简单,而且不需要设定阈值检测边缘.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	张权	山东大学信息科学与工程学院	13	75	4.0	8.0
2	王欣	山东大学信息科学与工程学院	147	884	14.0	22.0
3	张晶	山东大学信息科学与工程学院	44	193	8.0	12.0