摘要：介绍用神经网络实现图象边缘检测的实验研究结果。一幅数字图象用一个规模不大的ＢＰ网络边缘检测器处理小邻区，再用扫描此图象的方法进行边缘检测。此方法之最大优点是设计简单，网络边缘检测器的性能也令人满意．欠缺是：学习时间长，神经网络隐层中权重包含的信息难于解释清楚。

摘要：１　引言人们传递信息的主要媒介是语音和图象。据统计，在人类接受的信息中，听觉占２０％，视觉占６０％，其它如味觉、触觉、嗅觉总括起来不过占２０％而已。可见，作为传递信息的一种媒介—图象的地位是很重要的。人们是通过各种观测系统从被观测场景中取得图象，场景由众多目标组成，反映在图象中是众多的区域。因此，在取得图象后首先要把复杂的景物作出分解。目标的分解主要根据是图象中存在的边缘、纹理、形状、目标表面主方向、传感器与目标表面诸点距离等图象特征。图象的基本特征是边缘，所谓边缘是指其周围象素灰度有阶跃变化或屋顶状变化的那些象素的集合，它存在于目标与背景、目标与目标、区域与区域之间。因此，它是图象分割所依