一种简化PCNN模型在彩色图像边缘检测上的应用

提出了一种改进的彩色图像边缘检测方法来克服传统方法不考虑色度信息及噪声影响而产生漏检、错检边缘的不足．通过提取图像的颜色主轴来综合表示图像的亮度和色度信息,并将彩色图像降维成包含色度信息的灰度图像用以检测; 为了降低噪声对检测结果的影响,采用脉冲耦合神经网络(PCNN)模型．由于PCNN模型中的参数过多,不利于控制,故使用简化的PCNN模型来减少参数,达到比较好的控制．实验表明,这种基于颜色主轴的PCNN彩色图像边缘检测方法不仅能准确得到彩色图像的边缘信息,而且对噪声有很强的抑制作用．     

PCNN模型在彩色图像分割中的应用

针对脉冲耦合神经网络(PCNN)模型主要应用于灰度图像处理的局限性,利用脉冲发生器将颜色信息引入模型作为输入,与灰度信息共同控制神经元的内部行为,控制等灰度值的不同颜色区域分期点火,实现彩色图像的精确分割.双输入PCNN模型实现了彩色图像的分割,同时保持了PCNN模型对噪声的鲁棒性,从简单的仿真图像和实际图像两方面验证了此分割方法的有效性.     

结合相位一致性和脉冲耦合神经网络的图像检索

为了有效地提取图像特征以提高图像检索性能,将具有生物视觉特性的脉冲耦合神经网络(PCNN)和符合人类视觉特性的相位一致性(PC)相结合,提出一种图像检索新方法.首先基于相位一致性,结合非极大值抑制和自适应双阈值法提取出图像的边缘特征,并获取边缘颜色直方图特征;然后对简化PCNN模型进行改进,针对PCNN神经元的链接强度通常为常数的不足,根据相位一致性自适应地调整神经元的链接强度,再利用改进PCNN模型提取图像的特征.最后综合运用基于PCNN的特征和基于相位一致性的特征进行图像检索.实验结果表明:该方法具有颜色和形状的鉴别能力,能获得较好的查准率和查全率.     

一种改进的彩色图像区域分割和边缘提取算法

针对彩色图像,利用其彩色信息,在ＨＬＳ颜色模型的基础上,对颜色模型的分析方法加以改进,提出了一种针对图像的具体情况进行了自适应分割和边缘提取的算法。     

一种彩色图像的分割算法

本主要根据灰度图像的分裂合并算法思想,利用图像的边缘信息,提出了基于边缘的彩色图像分割算法。实现了彩色图像的分割,提出了分割算法的效率。     

基于RGB空间的彩色图像处理GUI设计

彩色图像较之灰度图像更能够体现人的视觉特性和认知事物的规律,介绍基于RGB空间的各种彩色图像处理技术,包括彩色图像增强、彩色边缘检测及彩色分割等,并利用MATLAB可视化编辑图形界面的功能,制作彩色图像处理图形用户界面,并针对实际彩色图像进行实验,给出实验结果及相应程序。     

基于数学形态学的彩色图像边缘检测

图像边缘检测大都是基于灰度图像的,其不能充分利用彩色图像的全部色彩信息。本文利用数学形态学在描述灰度图像方面的优势,将灰度形态学边缘检测法运用到彩色图像中。首先在RGB空间对原彩色图像的R、G、B三副伪灰度图像分别进行形态学边缘检测,然后对三副图像的边缘强度进行合并,并采用阈值分割法提取出图像的轮廓边缘。实验结果表明:该算法计算量小,并且充分利用了图像的色彩信息,能有效地检测出彩色图像边缘。     

一种基于PCNN的图像分割改进算法

为了实现脉冲耦合神经网络(PCNN)在图像分割过程中模型参数与迭代次数的少量化,提出了一种改进的PCNN快速图像分割算法.算法对PCNN模型进行了简化,将传统PCNN模型中恒定的连接系数与神经元所在像素点的像素值联系起来,去除了PCNN分割图像过程中的人工设置参数过程,并根据图像灰度统计特性,将动态阈值转变为恒定阈值,...     

基于改进FCM算法的彩色图像破损区域提取

现有的大部分图像修复技术需要人工确定待修复区域。结合改进的FCM算法提出了一种自适应提取彩色图像破损区域的方法。该方法可以自适应获取彩色图像初始聚类数目,并采用交叉熵距离测度进行FCM聚类,同时利用颜色和纹理特征向量对彩色图像进行分割,进而提取破损区域。实验结果表明,该方法不仅能够有效提取图像的破损区域,而且算法的普适度也得到了相应提高。与传统的FCM算法相比,本文方法对彩色图像的分割更易于实现,分割效果令人满意。     

PCNN在图像处理中的应用

简要介绍了有生物学依据的新型人工神经网络--脉冲耦合神经网络(PCNN),总结了近年来PCNN用于图像处理方面的研究成果,阐述了PCNN在图像去噪、图像增强、图像分割、图像边缘检测、图像融合、图像阴影去除、最小路径求解等方面的各种新算法.研究发现,PCNN可有效用于图像处理.虽然PCNN解决图像处理的不同问题时算法各异,但都用到了PCNN的脉冲传播特性.最后指出了今后PCNN的一些研究热点.