云南大学学报（自然科学版）
雲南大學學報（自然科學版）
운남대학학보（자연과학판）
JOURNAL OF YUNNAN UNIVERSTY(NATURAL SCIENCES EDITION)
2008年
5期
465-471
,共7页
谭颖芳%聂仁灿%周冬明%赵东风
譚穎芳%聶仁燦%週鼕明%趙東風
담영방%섭인찬%주동명%조동풍
Unit-Linking PCNN%灰度图像边缘检测%最小交叉熵%边缘检测预处理
Unit-Linking PCNN%灰度圖像邊緣檢測%最小交扠熵%邊緣檢測預處理
Unit-Linking PCNN%회도도상변연검측%최소교차적%변연검측예처리
利用Unit-Linking PCNN模型,结合最小交叉熵准则,边缘检测预处理,均匀分块处理,将灰度图像分割成二值刚像,在二值分割图基础上实施unit-Linking PCNN边缘检测.边缘检测预处理以块状增强方式增强了图像对比度,强化r图像边缘;均匀分块处理实现了灰度图像的近似多阈值分割.分析了边缘检测预处理中各步骤的作用,比较了不同均匀分块数目对边缘检测结果的影响.与Canny算子和相关文献结果相比,该研究检测的边缘体现了更丰富的图像细节,且神经元模型参数对图像边缘检测结果的影响较不敏感.仿真结果表明,该方法具有较理想的灰度图像边缘检测结果,具有较好适用性.
利用Unit-Linking PCNN模型,結閤最小交扠熵準則,邊緣檢測預處理,均勻分塊處理,將灰度圖像分割成二值剛像,在二值分割圖基礎上實施unit-Linking PCNN邊緣檢測.邊緣檢測預處理以塊狀增彊方式增彊瞭圖像對比度,彊化r圖像邊緣;均勻分塊處理實現瞭灰度圖像的近似多閾值分割.分析瞭邊緣檢測預處理中各步驟的作用,比較瞭不同均勻分塊數目對邊緣檢測結果的影響.與Canny算子和相關文獻結果相比,該研究檢測的邊緣體現瞭更豐富的圖像細節,且神經元模型參數對圖像邊緣檢測結果的影響較不敏感.倣真結果錶明,該方法具有較理想的灰度圖像邊緣檢測結果,具有較好適用性.
이용Unit-Linking PCNN모형,결합최소교차적준칙,변연검측예처리,균균분괴처리,장회도도상분할성이치강상,재이치분할도기출상실시unit-Linking PCNN변연검측.변연검측예처리이괴상증강방식증강료도상대비도,강화r도상변연;균균분괴처리실현료회도도상적근사다역치분할.분석료변연검측예처리중각보취적작용,비교료불동균균분괴수목대변연검측결과적영향.여Canny산자화상관문헌결과상비,해연구검측적변연체현료경봉부적도상세절,차신경원모형삼수대도상변연검측결과적영향교불민감.방진결과표명,해방법구유교이상적회도도상변연검측결과,구유교호괄용성.
