10.3969/j.issn.1007-757X.2023.06.038
基于全卷积神经网络的多级阈值图像分割算法
当前的算法在进行多级阈值分割图像时,选择的分割阈值不能达到最优,存在分割图像峰值信噪比较低、误分率较高的问题,为此提出基于全卷积神经网络的多级阈值图像分割算法.设定椒盐噪声检测阈值,判断图像噪声像素点,通过中值滤波去除噪声点.依据多级阈值,划分多个不同灰度等级的像素区域,作为多级阈值优化目标.利用全卷积神经网络,把像素点分配到相应灰度等级的分割区域,获得最优阈值分割的多级灰度图像.实验结果表明,所提算法分割图像峰值信噪比最高,误分率为0.175,降低了分割图像失真程度,提高了视觉质量和计算效率.
全卷积神经网络、最佳阈值、图像分割、中值滤波、香农熵
39
TP391(计算技术、计算机技术)
2023-07-27(万方平台首次上网日期,不代表论文的发表时间)
共4页
145-147,152