基于互信息改进型脉冲耦合神经网络多值图像分割

为了自动地进行图像的多值分割,从原始图像与分割图像之间的相互关系出发,以最大互信息为优化分割目标,以互信息熵差作为一种新的分类类数判据,在对传统脉冲耦合神经网络模型改进的基础上,提出了一种基于最大互信息改进型脉冲耦合神经网络图像多值分割算法.理论分析和实验结果表明,该方法能够自动确定最佳分割迭代次数及最佳分割灰度类数,对分割图像具有良好的特征划分能力,且在分割类数较少的情况下,能较好地保持图像细节、纹理及边缘等信息,对不同图像分割准确度高,具有较强的适用性.     

基于自适应脉冲耦合神经网络的水下激光图像分割方法

距离选通式水下激光成像技术是一种能够有效抑制水介质的后向散射效应的探测技术,在海洋研究、深海探测和水下作业领域中拥有广阔的应用前景。然而在水下激光图像中出现的散斑噪声和灰度不均匀现象使得实现目标的准确分割较为困难。通过分析散斑噪声形成的机理,提出了一种水下激光图像的有效分割方法。该方法根据像素的噪声响应和灰度分布特性自适应确定各神经元的关键参数,并对噪声位置的神经元的行为进行抑制,基于最大二维Renyi熵准则采用梯度下降法确定了神经元的动态阈值,通过实验结果的比较分析说明该方法明显优于Normalized Cut、模糊C均值、均值漂移和分水岭分割方法,而运行时间约为常规脉冲耦合神经网络的五分之一。     

基于自适应脉冲耦合神经网络的水下激光图像分割方法EI北大核心CSCD

距离选通式水下激光成像技术是一种能够有效抑制水介质的后向散射效应的探测技术,在海洋研究、深海探测和水下作业领域中拥有广阔的应用前景。然而在水下激光图像中出现的散斑噪声和灰度不均匀现象使得实现目标的准确分割较为困难。通过分析散斑噪声形成的机理,提出了一种水下激光图像的有效分割方法。该方法根据像素的噪声响应和灰度分布特性自适应确定各神经元的关键参数,并对噪声位置的神经元的行为进行抑制,基于最大二维Renyi熵准则采用梯度下降法确定了神经元的动态阈值,通过实验结果的比较分析说明该方法明显优于Normalized Cut、模糊C均值、均值漂移和分水岭分割方法,而运行时间约为常规脉冲耦合神经网络的五分之一。     

基于特征提取和脉冲耦合神经网络的图像融合算法

为了提高目标检测的准确度和精确度,提出了一种新的基于特征提取和脉冲耦合神经网络(Pulse-coupled neural network,PCNN)模型的融合算法。该算法的原理是:首先对原图像进行特征提取,然后分别建立基于处理后的图像及原图像的PCNN。融合的作用是通过PCNN的链接输入得以体现的。融合图像综合了各个侧重于原图像不同特征的滤波器的选择性。仿真结果证明,所提出的算法在增加图像目标的可识别程度方面效果明显。     

基于多层神经网络的非线性图像分割

提出了一种用多层神经网络对图像进行非线性分割的方法。讨论了所用多层神经网络的学习速度的改进与训练样本的选择方法。实验表明，该多层神经网络系统可用于实时图像分割，并能获得很好的结果。     

基于脉冲耦合神经网络和图像熵的各向异性扩散模型研究

在图像去噪过程中, 大部分基于偏微分方程的各向异性扩散模型均使用梯度信息检测边缘, 当边缘部分被噪声严重污染时, 这些方法不能有效检测出这些边缘, 因而无法保留边缘特征. 为了较完整的保留图像的区域信息, 用脉冲耦合神经网络(PCNN)能使具有相似输入的神经元同时产生脉冲的性质对噪声图像做处理, 得到图像熵序列, 并将图像熵序列作为边缘检测算子引入到扩散方程中, 不仅能克服仅用梯度作为边缘检测算子易受噪声影响的弊端, 而且能较完整地保留图像的区域信息. 然后, 用最小交叉熵准则搜索使去噪前后图像信息量差异最小的阈值, 设计最佳阈值控制扩散强度, 建立基于脉冲耦合神经网络与图像熵改进的各向异性扩散模型(PCNN-IEAD). 分析与仿真结果表明, 该模型与经典模型相比, 保留了更多的图像信息, 能够兼顾去除图像的噪声和保护图像的边缘纹理等细节信息, 较完整的保留了图像的区域信息, 性能指标同样也证实了新模型的优越性. 另外, 该模型的运行时间较经典模型的短, 因此, 该模型是一个理想的模型.     

基于遗传算法参数优化的PCNN红外图像分割

构造一种基于遗传算法参数优化的脉冲耦合神经网络(PCNN)红外图像分割算法。该算法首先利用PCNN的全局耦合性和脉冲同步性对输入图像进行点火处理,根据PCNN的输出结果计算熵作为遗传算法的适应度函数,并利用熵的变化量作为遗传算法的收敛依据,对PCNN模型中影响图像分割的参数进行组合优化,结合PCNN生物视觉特性和遗传算法解空间随机搜索能力来寻找关键参数的最优值。将遗传算法和PCNN进行结合可充分发挥二者优势,将本文方法与最大类间方差法(OTSU)、最大熵直方图分割算法和PCNN分割方法进行对比,通过交叉熵、区域对比度等客观指标对分割后的图像进行定量分析,结果表明无论从主观视觉还是客观指标,本文方法分割效果优于其他对比方法。     

基于脉冲耦合神经网络融合的压缩域运动目标分割方法

针对H.264压缩域内运动目标分割算法所存在的弱自适应性和抗噪能力差等问题,本文提出了一种基于脉冲耦合神经网络的压缩域运动目标分割方法.该方法采用时空域矢量均值滤波对运动矢量进行预处理,减少运动目标丢失率,并设计了前后向矢量累积方法,增强运动矢量的可靠性.基于脉冲耦合神经网络设计的融合模型可以将累积后的运动矢量和宏块模式进行融合处理,增强分割算法的抗噪能力,保证加快分割速度的同时兼顾运动区域的分割准确度.另外,采用最小交叉熵作为点火终止判断条件,实现了最佳分割模板的自适应获取.仿真实验表明,本文算法在自适应性和抗噪能力方面均有较好表现,可以准确分割出监控视频中的运动目标.     

基于脉冲耦合神经网络融合的压缩域运动目标分割方法

针对H.264压缩域内运动目标分割算法所存在的弱自适应性和抗噪能力差等问题,本文提出了一种基于脉冲耦合神经网络的压缩域运动目标分割方法.该方法采用时空域矢量均值滤波对运动矢量进行预处理,减少运动目标丢失率,并设计了前后向矢量累积方法,增强运动矢量的可靠性.基于脉冲耦合神经网络设计的融合模型可以将累积后的运动矢量和宏块模式进行融合处理,增强分割算法的抗噪能力,保证加快分割速度的同时兼顾运动区域的分割准确度.另外,采用最小交叉熵作为点火终止判断条件,实现了最佳分割模板的自适应获取.仿真实验表明,本文算法在自适应性和抗噪能力方面均有较好表现,可以准确分割出监控视频中的运动目标.     

基于遗传算法参数优化的PCNN红外图像分割

构造一种基于遗传算法参数优化的脉冲耦合神经网络(PCNN)红外图像分割算法。该算法首先利用PCNN的全局耦合性和脉冲同步性对输入图像进行点火处理,根据PCNN的输出结果计算熵作为遗传算法的适应度函数,并利用熵的变化量作为遗传算法的收敛依据,对PCNN模型中影响图像分割的参数进行组合优化,结合PCNN生物视觉特性和遗传算法解空间随机搜索能力来寻找关键参数的最优值。将遗传算法和PCNN进行结合可充分发挥二者优势,将本文方法与最大类间方差法（OTSU）、最大熵直方图分割算法和PCNN分割方法进行对比,通过交叉熵、区域对比度等客观指标对分割后的图像进行定量分析,结果表明无论从主观视觉还是客观指标,本文方法分割效果优于其他对比方法。     

基于多尺度区域粒度分析的遥感图像分割

针对高分辨率遥感图像中不同地物具有粒度差异的特点,提出了一种多尺度区域粒度分析的图像分割方法。该方法首先使用均值漂移得到图像各尺度上的初始过分割区域,然后通过考虑区域大小和区域间上下文关系进行粒度分析,最后利用马尔科夫随机场模型对图像的粒度信息和光谱信息进行建模,得到分割结果。用平朔地区SPOT5和泰州航拍等遥感图像进行了实验,并与若干考虑光谱特征的分割方法进行了对比,结果表明提出的方法能有效地提高分割精度。     

基于神经免疫生长可免域网络的红外光谱图像分割算法

管道运输对远距离输送石油天然气有着较大优势,而与之伴随的管道安全问题使得管道安全检测至关重要.为确保任何时间下管道状况的有效检测,红外成像技术由于其根据对象的热辐射信息反映目标特征的特殊性,能够忽视可见光的影响检测管道状态,因而在管道检测领域有重要意义.但由于户外环境的多样性,交错的管道和复杂环境使得采集的红外管道图像...     

一种改进的基于分水岭的图像分割算法

针对分水岭算法过分割现象,提出一种综合分水岭算法、中值过滤算法和归一化割算法的改进算法。该算法首先应用改进型的中值过滤算法对图像进行适当的除噪;然后通过分水岭变换对图像进行了初步分割,最后使用归一化割算法进行图像精度分割。算法集合了分水岭算法、中值过滤算法及归一化割算法的优点,既较好地解决了分水岭算法中过度分割的问题,又降低了归一化割算法的时间复杂度。实验结果表明该算法是一种切实可行的图像分割方法。     

基于空频结合的图像增强的脑肿瘤分割

针对脑部核磁共振图像中含有噪音、对比度低及肿瘤边界不连续模糊等造成肿瘤难以准确分割的问题,提出了一种基于空频域图像增强的脑肿瘤分割算法.首先,采用空频域相结合的增强方法对图像进行增强处理.该方法利用基于邻域的方法,结合了空间域增强算法与基于方向滤波器组的频率域增强算法,具有它们优点的同时,克服了前者导致的图像细节模糊的缺陷及后者带来的对比度降低的缺陷.然后,利用液体向量流的分割方法,对增强后的图像进行分割,得到脑肿瘤区域.实验结果表明,本文的增强方法在增强肿瘤边界特征的同时改善了图像的对比度和清晰度,提高了脑肿瘤分割的准确性.     

基于小波变换的分水岭图像分割方法

图像分割技术在数字图像处理中占有重要地位.提出了一种基于小波变换的图像分割方法,有效地将小波分析、小波包分解与数学形态学中的分水岭方法相结合.首先,通过小波包对图像有效降噪,在一定程度上减少了分水岭方法的过分割现象.然后利用小波变换得到的梯度向量进行分水岭变换,有效保持边缘信息.实验结果证明该算法是可行的,与基于形态梯度的分割结果相比,得到了较好的分割效果.     

一种改进的自适应模糊阈值图象分割方法

自适应模糊阈值图象分割方法的关键和困难在于隶属函数窗宽的自动调整和阈值搜索范围的确定.依靠图象灰度的统计特性初步确定阈值搜索范围，提出了一种改进方法，进而得到隶属函数的窗宽.实验表明这种方法避免了确定图象灰度直方图峰位置的困难，对较低亮度图象分割效果良好.     

基于空频结合的图像增强的脑肿瘤分割

针对脑部核磁共振图像中含有噪音、对比度低及肿瘤边界不连续模糊等造成肿瘤难以准确分割的问题,提出了一种基于空频域图像增强的脑肿瘤分割算法.首先,采用空频域相结合的增强方法对图像进行增强处理.该方法利用基于邻域的方法,结合了空间域增强算法与基于方向滤波器组的频率域增强算法,具有它们优点的同时,克服了前者导致的图像细节模糊的缺陷及后者带来的对比度降低的缺陷.然后,利用液体向量流的分割方法,对增强后的图像进行分割,得到脑肿瘤区域.实验结果表明,本文的增强方法在增强肿瘤边界特征的同时改善了图像的对比度和清晰度,提高了脑肿瘤分割的准确性.     

基于偏振测量的雾天图像场景分割

现有场景分割方法主要依赖于图像亮度、颜色和纹理等特征,然而在雾天图像中提取这些特征将变得困难且不稳定.基于此本文提出了适用于雾天图像场景分割的特征矢量,以及相应的特征提取算法.特征矢量由目标偏振度、深度和颜色三部分组成.特征提取算法分别为:用去相关的方法从图像偏振度分离出大气偏振度和目标偏振度;根据雾天退化模型和雾天图像偏振表示形式推导出场景深度信息;利用两幅偏振图像求出非偏振彩色图像,从而得到场景的颜色信息.将这些特征构成的特征矢量用于基于图的分割算法中,并从两个方面比较了仅使用颜色特征和使用本文特征矢量的分割结果.最后得出结论:对于雾天图像而言,这些特征比通常的颜色特征更加有效和鲁棒.