基于改进脉冲耦合神经网络的电路板红外图像分割

摘要：

电路板红外图像发热芯片区域准确分割是电路板故障诊断的关键步骤,但灰度不均匀、目标区域多、辐射噪声大使电路板红外图像的准确分割变得较为困难.针对这一问题,本文提出一种改进的脉冲耦合神经网络(Pulse Coupled Neural Network,PCNN)红外图像分割模型.首先,调整传统PCNN的模型结构,将图像梯度信息作为输入信号增加到模型输入域;其次,基于最大似然估计原理,推导出链接系数β的动态调整方法;最后,在脉冲发生域引入边缘约束算法,防止邻域神经元误捕获,增强目标区域的可分割性.实验结果表明,改进模型能够有效降低背景及辐射噪声影响,准确分割出不同类型电路板红外图像目标芯片区域,在视觉效果、区域一致性和对比度方面均优于已知的Ostu、K-means和传统PCNN模型,分割性能得到明显增强.

关键词：电路板、红外图像、图像分割、脉冲耦合、神经网络

所属期刊栏目：50

分类号：TP391.41(计算技术、计算机技术)

资助基金：国家自然科学基金委与中国民用航空局联合助项目;中央高校基本科研业务费项目中国民航大学专项项目

在线出版日期：2020-12-10（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：1410-1416