La extracción de puntos dominantes en contornos es un problema común en análisis de imágenes para reducción de datos en descripción y casación de curvas. Tradicionalmente se utilizan algoritmos basados en el cálculo de curvaturas en cada punto del contorno. Cuando sea necesario obtener estas representaciones en tiempo real, como en análisis de secuencias de imágenes en robótica y seguimiento de objetos, estos cálculos son demasiado laboriosos y se requieren implementaciones hardware. En este trabajo se propone un modelo conexionista como alternativa para lograr la pretendida eficiencia, formado por dos capas, y que opera en paralelo con todos los puntos del contorno. La primera está formada por varios perceptrones multicapa idénticos, entrenados para dar una medida de la curvatura de un punto. La segunda procesa la información obtenida, agrupando puntos de curvatura elevada, y proporcionando el resultado final. Se discute la simulación del modelo, así como resultados con imágenes reales.