改进型脉冲耦合神经网络高分辨率SAR图像分割
针对高分辨率SAR(合成孔径雷达)图像噪声强,目标分割难度大的特点,提出一种改进的脉冲耦合神经网络(pulse coupled neural network,PCNN)模型的SAR图像分割算法.首先根据SAR图像中相干斑噪声的特点,采用复小波进行去噪.然后,在传统PCNN模型的基础上,对神经元的输入信号,尤其是链接系数和阈值的非线性衰减子因子进行了改进和简化,同时对链接强度系数β进行理论上的近似推导,并减少人工设置的参数.最后,通过最佳阈值对其结果进行二值化处理得到感兴趣的目标图像.实验结果表明,改进后的算法运行效率提高,自适应性增强.与传统算法相比,区域一致性提高0.013,区域的对比度提高0.015,效果优于传统的PCNN算法,为高分辨率SAR图像分割提供了一种新策略.
高分辨率、SAR图像分割、相干斑噪声、PCNN模型
49
TP394(计算技术、计算机技术)
中央高校基本科研业务费博士基金12NZYBS02;西南民族大学校学术带头人培养基金
2017-01-18(万方平台首次上网日期,不代表论文的发表时间)
共7页
176-182