10.3969/j.issn.1672-9722.2018.02.033
一种复杂背景环境下的改进型PCNN图像分割算法
针对复杂背景环境下传统图像分割算法存在分割精度低、抗干扰性差等问题,论文提出一种改进型脉冲耦合神经网络(Improved Pulse Coupled Neural Network,IPCNN)图像分割算法.该算法综合考虑图像像元的灰度分布信息及像元之间的空间位置信息,在简化PCNN模型的基础之上,结合二维最大类间方差法对初始阈值进行优化,并且为了提高算法的实时性,推导并给出了相关快速递推公式;同时,不同于传统PCNN依据经验或通过大量实验确定模型关键参数的做法,而是从PCNN的耦合特性出发、结合图像自身空间和灰度特性,通过计算图像局部灰度均方差确定连接强度系数,并综合考虑像素点的空间与灰度值差异确定其连接权值矩阵,最后依据信息熵最大原则判别分割结果,实现了目标对象自适应自动分割.数字实验表明,该算法较传统PCNN算法具有图像分割速度快、目标轮廓分割清晰、抗干扰性强等优点.
机器视觉、图像分割、脉冲耦合神经网络、自动分割
46
TP391(计算技术、计算机技术)
2018-03-26(万方平台首次上网日期,不代表论文的发表时间)
共8页
375-381,406