基于Shearlet变换的混合图像分割方法

摘要：

针对图像分割中普遍存在的过分割和不完全分割问题,提出基于Shearlet变换,综合利用自组织特征映射和脉冲耦合神经网络的混合分割方法.对输入图像进行各向异性滤波,增强图像纹理信息;利用平移不变Shearlet变换对去噪图像进行变换,得到低频子带图像和高频子带图像;从低频子带系数中提取熵和偏度纹理信息,与低频子带系数组成特征向量集,利用自组织特征映射网络进行初步分割;利用改进的脉冲耦合神经网络进一步处理,减少初步分割结果的错分割现象,得到最终的分割图像.遥感图像和医学图像的分割结果表明,与传统分割方法相比,提出方法的分割准确性显著提高,具有更好的抗噪性能.

关键词：图像分割、自组织特征映射、脉冲耦合神经网络、Shearlet变换、纹理特征

所属期刊栏目：38

分类号：TP391.41(计算技术、计算机技术)

资助基金：湖南省自然科学基金项目10JJ9012;湖南省教育厅科学研究基金项目14C0272

在线出版日期：2018-04-02（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：3385-3389,3395