PCNN图像分割技术研究

在图像处理中,精确的图像分割可以加快后续的处理工作,具有更好的应用性。根据近些年提出的脉冲耦合神经网络模型在图像分割中的应用,给出其在图像分割中的基于熵函数、准则函数、参数调整和改进的脉冲耦合神经网络模型的4种方法,并对各个方法进行了综述。最后根据模型的基本特性和文献进展情况,给出脉冲耦合神经网络模型在图像分割中未来的研究方向。     

一种基于简化PCNN的自适应图像分割方法

近年来的研究表明,脉冲耦合神经网络(Pulse Coupled Neural Network,PCNN)可有效地用于图像分割.然而对于不同图像,常需要选取适当的网络参数,以得到有效的分割结果.但是,目前网络参数的选取还主要停留在人工调整和确定阶段,尚无一种能够根据图像本身特性自动确定参数的方法,这在很大程度上限制了PCNN的应用.针对这一问题,本文提出了一种基于简化PCNN的自适应图像分割方法,通过利用图像本身空间和灰度特性自动确定网络参数,实现对不同图像的分割.实验结果表明,本文算法可以有效地对不同图像进行自动分割,具有一定的健壮性.     

一种新的基于PCNN的图像自动分割算法研究

脉冲耦合神经网络(PCNN)非常适合图像分割.在参数确定的情况下,分割效果随迭代次数呈周期性变化.因此确定最佳迭代次数是运用PCNN进行图像自动分割的关键.本文提出一种基于连通域计算的边缘统计算法,用于评价迭代结果的有效边缘.最大有效边缘值所对应的迭代输出即为最佳分割.实验证明,该算法比基于图像熵和基于边缘算子的算法灵敏度高,抗噪声能力强.     

基于脉冲耦合神经网络的图像分割方法研究分析

文章研究了基于PCNN模型的图像分割。该方法利用PCNN模型有类似的灰度值与神经元对应可以同时发出脉冲的特征,保留图像的区域信息,显示了更多分割目标的细节信息,文章采用Lena图、Coins图以及经过模糊处理以后的Bike图进行了图像分割,并与最大类间方差Ostu分割方法进行了对比。实验结果表明,脉冲耦合神经网络分割方法利用最小的迭代次数、最快的分割速度,在图像的细节、轮廓以及去模糊方面实现了良好的分割效果。     

基于最大熵和PCNN的图像分割新方法

针对脉冲耦合神经网络(PCNN)无法确定最优分割以及脉冲门限具有非线性因子的问题,提出了一种基于最大熵和脉冲耦合神经网络的新型图像分割算法.该算法采用线性方式动态调整脉冲门限,采用最大熵确定PCNN网络的循环迭代次数,并引用均值滤波的思想对PCNN的接收部分进行了改良,以克服噪声对分割过程的影响.实验结果表明该方法能获得视觉效果较好的分割结果并具有较强的普适性.     

一种参数自适应的PCNN图像分割算法

文章利用用粒子群优化(PSO)算法优化脉冲耦合神经网络(PCNN)的参数,其中将从训练图像中提取熵和能量的比值作为PSO的适应度函数,提出了一种参数自适应的PCNN图像分割方法。最终通过Matlab仿真实验证明了该方法具有较好的分割性能,该方法不但能够正确地完成图像分割,而且也省去了人为设置PCNN参数的麻烦。     

基于简化的PCNN与类内最小离散度的图像自动分割方法

提出了一种基于简化的PCNN与类内最小离散度相结合的自适应图像分割方法,在每次迭代时将脉冲耦合神经网络点火的神经元对应的像素作为目标,未点火的神经元对应的像素作为背景,计算目标和背景的类内离散度,取类内离散度最小的分割图像作为最终结果.实验结果表明,本文算法可以有效地对不同图像进行自动分割,是一种可行的与有效的图像分割方法.     

一种基于改进型PCNN的织物疵点图像自适应分割方法

针对传统脉冲耦合神经网络(Pulse Coupled Neural Network,PCNN)模型中网络参数多、不易自动选取的问题,本文在对PCNN模型进行改进的基础上,提出了一种基于改进型PCNN织物疵点图像自适应分割方法.采用了一种基于分割区域内均匀度差异最小作为最佳迭代次数判断标准,从而有效地满足了PCNN对织物疵点图像的自动分割要求.通过对不同疵点图像分割实验证明了算法对疵点分割的准确性和有效性.     

基于PCNN的图像阴影处理新方法

该文提出了如何用脉冲耦合神经网络(PCNN)进行图像阴影处理的新方法。计算机仿真表明,采用参数优选的PCNN图像阴影处理算法,可有效地处理图像中的阴影,从而使得图像中的目标易于被发现。该文工作拓展了有明确生物学背景的PCNN在图像处理方面的功能。     

一种基于PCNN的图像噪声消去方法

提出了一种基于PCNN(脉冲耦合神经网络)的图像椒盐噪声消去方法,针对椒盐噪声的特点,根据PCNN集群点火特性,结合邻域均值滤波器较好地进行了图像平滑.试验证明,该方法不仅能够有效地去除椒盐噪声,对图像纹理和边缘的保护也较好.     

基于PCNN图像分割新算法

在原有PCNN的基础上提出一种新的参数自适应PCNN模型,该模型中的各参数均由像素点本身决定,而不受人为的外界干涉,因此,该算法在图像处理领域有较好的运用价值。此外提出另一类分割判定准则——最大相关系数判定准则。最后通过对3种不同的图像分割实验结果分析后得出。该算法和最大相关系数判定准则在图像分割领域中具有较强的适应性和较好的辅助意义。     

基于ROI与A适应Ostu相结合的图像分割算法

图像分割对于提取感兴趣区域的特征,提高现有图像分析系统的工作效率有着积极的作用。在结合当前静态图像中的ROI检测技术,利用建立后的ROI区域内图像代替整幅图像作为后续工作,并对Ostu阈值分割法进行自适应改进算法研究的基础上,研究了一种结合ROI生长技术与自适应Ostu阈值分割算法结合的新的分割方法。实验证明,该算法能够取得较理想的分割效果,有效地提取出感兴趣特征。     

一种基于图像平滑的阈值分割方法

阈值分割是图像分割技术中一类广泛使用的方法,Otsu法是其典型代表。针对Otsu法不能准确分割低对比度或低信噪比的图像的缺点,提出了一种新的动态阈值分割方法：先用平滑滤波器平滑得到原始图像的动态背景图像,原始图像与动态背景图像相减得到差图像,在差图像上通过设定阈值来实现原始图像的分割。仿真实验表明,该方法具有较低的算法...     

一种基于阈值的图像分割算法研究

为了解决图像中出现的照度不均匀现象,提出了一种基于阈值的图像分割算法。首先基于边缘阈值和非边缘阈值的计算得到初步的阈值图像,然后通过拟合区域划分、控制点的简约和阈值的外插等步骤对图像实行再次分割。实验证明此算法分割图像后得到的效果好,相比于其他典型算法具有优越性,特别是边缘处的吻合程度较高,并且使图像抵抗模糊的能力增强,使图像更加平滑而没有噪声,解决了以前利用边缘方法容易被噪声妨碍的问题。     

基于红外图像帧关联的自动阈值分割方法

针对目前单帧图像阈值分割中分割易受突变影响、目 标背景分割不明显以及分割效果较差等问题,提出了一种基于红外图像帧关 联的自动阈值分割方法。该方法利用自动阈值分割法简单分割单帧图像,然 后根据图像帧关联信息对图像进行分组处理,再对每帧图像进行权重分配,最 终确定每帧图像的分割阈值,以提高分割的抗干扰性,改善分割效果。通过理 论分析和实验仿真验证了该算法的有效性和可行性,并将其与其他算法进行了 对比实验。实验结果表明,本文提出的分割算法的抗干扰性较强,能够将目标 图像从背景中清晰地分割出来,具有更好的分割效果和更强的应用性。     

一种基于PCNN赋时矩阵的图像去噪新算法

该文从图像脉冲噪声的特点出发,提出了基于脉冲耦合神经网络(Pulse Coupled Neural Networks, PCNN)赋时矩阵的图像去噪算法。赋时矩阵是由PCNN产生的一种从空间图像信息到时间信息的映射图,在图像处理中,赋时矩阵包含有与空间相联系的有用信息。计算机仿真结果表明,通过对PCNN赋时矩阵分析与处理,综合运用相关方法,可以有效地滤除被脉冲噪声污染的图像噪声,且恢复图像的视觉效果明显地好于中值滤波、均值滤波及维纳法得到的结果,其信噪比高、去噪能力强、对边缘和细节的保护性好、适应性强。     

结合脉冲耦合神经网络与模糊算法进行四值图像去噪

该文研究了如何将模糊算法用于脉冲耦合神经网络(Pulse Coupled Neural Network,PCNN),进行四值图像去噪,提出了基于模糊PCNN的图像去噪算法.计算机仿真结果表明,将模糊算法与PCNN相结合,可有效地去除被噪声污染的四值图像的噪声,且恢复图像的视觉效果明显地好于用另两种常用的图像去噪方法(中值滤波和均值滤波)得到的结果.在医用图像和军事图像处理方面,四值图像的去噪恢复是非常有价值的,故本文对于PCNN的理论研究和实际应用均有重要的意义。