岳欣华 邓彩霞 张兆茹

摘要：为了获得较好的图像边缘信息，提出了一种将BP神经网络与形态学融合的边缘检测算法。在BP神经网络中常用Sigmoid函数作为激励函数，但传统的Sigmoid函数形式单一、缺少灵活性，因此给出具有可调节性的Sigmoid函数是至关重要的。首先，给出一类充分光滑的Sigmoid函数构造方法，将其作为BP神经网络中的激励函数对图像的边缘进行初步有效的检测。然后，采用多尺度多结构的思想，提出了一种改进的形态学边缘检测算法，应用该算法得到噪声小且连续的边缘图像。最后，利用小波分析将BP神经网络与改进的形态学算法进行融合，进而得到一种边缘检测融合算法。仿真结果表明，融合算法的评价指标优于单一的边缘检测算法且检测的图像边缘线条完整并清晰。

关键词：Back Propagation神经网络;Sigmoid函数;数学形态学;边缘检测;融合算法

DOI：10.15938/j.jhust.2021.05.011

中图分类号：TP751.1 文献标志码：A 文章编号：1007-2683（2021）05-0083-08

0 引言

图像的边缘检测是图像处理的基础内容，在应用中有着重要的作用[1-2]。由于图像在采集时常受到噪声干扰，而噪声和图像的边缘都属于高频信号，在去噪的同时也会破坏图像的边缘信息。因此，为了平衡边缘检测中去噪能力和细节保留之间的矛盾，人们致力于这方面的研究[3-6]。

传统的边缘检测算子，如Canny，Sobel和Prewitt等[7-9]，它们对含噪图像抗噪性差，不能得到真实的边缘图像。近年来，神经网络迎来了研究热潮[10]，由于它强大的自学习、自适应与非线性映射能力，被逐步应用于图像的边缘检测[11-12]。……