Extraction Object Edge Features by Using RBF Neural Networks

English Version Journal Login

您当前的位置：

首页 >

文章列表页 >

更新时间：2026-05-27

- Extraction Object Edge Features by Using RBF Neural Networks
- Vol. 17, Issue 4, Pages: 28-33(2000)
- 作者机构：
- 作者简介：
- 基金信息：
- DOI：
  CLC：
- Online First：16 November 2000，
  
  Published：2000
- 稿件说明：
移动端阅览
周维忠, 冯心海, 孙国基. RBF神经网络用于工件边缘特征参数的提取[J]. 广东工业大学学报, 2000, 17(4): 28-33.

ZHOU Wei zhong, FENG Xin hai, SUN Guo ji. Extraction Object Edge Features by Using RBF Neural Networks[J]. 2000, 17(4): 28-33.
周维忠, 冯心海, 孙国基. RBF神经网络用于工件边缘特征参数的提取[J]. 广东工业大学学报, 2000, 17(4): 28-33. DOI：

ZHOU Wei zhong, FENG Xin hai, SUN Guo ji. Extraction Object Edge Features by Using RBF Neural Networks[J]. 2000, 17(4): 28-33. DOI：

提出一种基于径向基函数神经网络 (RBFNN)的工件特征参数提取的方法

采用了两个径向基函数神经网络

利用第一个RBFNN分别求出工件的边缘点pi 邻域内的顺时针边缘与逆时针边缘与x轴的夹角

两边缘夹角小的边缘点pi 被认为是具有高曲率的角顶点 .根据工件边缘曲线的特征

建立了各种边缘的曲率符号模型

用该模型训练第二个RBFNN

从而识别具有低曲率的切点和拐点及边缘曲线的类型 .采用神经网络的方法提取工件特征参数

能准确地定位特征点

Views

下载量

CSCD

Alert me when the article has been cited

提交

Tools

Publicity Resources

Modeling of 3D NAND Memory Cells with Taper Angle and Programming Strategy Optimization

Research on Foreign Object Detection in Power Transmission Lines Based on the AAGV-YOLOX Model

Efficient Temporal Modeling for RGB-T Tracking

A Study of Power Quality Regulation Strategies of Energy Storage Converters

A Resource Allocation Optimization Method for Multi-UAV Integrated Sensing, Computing, and Communication Towards Disaster Relief

Related Author

No data

Related Institution

No data

AI问答

⁰