一种复杂背景环境下的改进型PCNN图像分割算法 | |
刘军; 李子毅 | |
刊名 | 计算机与数字工程 |
2018-02-20 | |
期号 | 2018年02期页码:375-381+406 |
关键词 | 机器视觉 图像分割 脉冲耦合神经网络 自动分割 |
ISSN号 | ISSN:1672-9722 |
英文摘要 | 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。 |
URL标识 | 查看原文 |
语种 | 中文 |
内容类型 | 期刊论文 |
源URL | [http://119.78.100.223/handle/2XXMBERH/2673] |
专题 | 学科建设与学位办公室 机电工程学院 |
作者单位 | 兰州理工大学机电工程学院 |
推荐引用方式 GB/T 7714 | 刘军,李子毅. 一种复杂背景环境下的改进型PCNN图像分割算法[J]. 计算机与数字工程,2018(2018年02期):375-381+406. |
APA | 刘军,&李子毅.(2018).一种复杂背景环境下的改进型PCNN图像分割算法.计算机与数字工程(2018年02期),375-381+406. |
MLA | 刘军,et al."一种复杂背景环境下的改进型PCNN图像分割算法".计算机与数字工程 .2018年02期(2018):375-381+406. |
个性服务 |
查看访问统计 |
相关权益政策 |
暂无数据 |
收藏/分享 |
除非特别说明,本系统中所有内容都受版权保护,并保留所有权利。
修改评论