论文部分内容阅读
传统的图像轮廓线的检测方法多是利用方向滤波等工具,根据像素响应值做出判断。基于神经网络的轮廓线检测方法始终少有提及,仍是一个新鲜的领域。本文提出了基于神经网络的轮廓线检测方法,为轮廓线检测提出了新的思路。本文的研究内容主要有:
(1)建立了改进的FitzHugh-Nagumo神经元模型。从理论上出发,判断了单个FitzHugh-Nagumo方程奇点的稳定性和极限环的存在性。讨论了如何将这些性质应用于轮廓检测。
(2)证明了神经元在链式连接状态下达到同步振荡的一个充分条件。建立了FitzHugh-Nagumo二维耦合网络。将其应用于灰度图像中线的检测,再借助一定的预处理,将该网络用于了轮廓线检测,均得到良好效果。
(3)提出了带有反馈振子的神经网络模型,并应用于间断线连接实验,取得了一定效果,对间断线连接问题做出了新的探索。