基于PCNN的圖像分割算法研究.pdf

1、目前，在軍事領(lǐng)域數(shù)字圖像處理的應(yīng)用越來(lái)越廣泛，而圖像分割是圖像處理的一個(gè)重要組成部分，準(zhǔn)確的圖像分割和邊緣提取是實(shí)現(xiàn)軍事目標(biāo)識(shí)別的重要基礎(chǔ)，圖像分割的方法繁多，新的分割方法不斷出現(xiàn)。
　　 文中介紹了脈沖耦合神經(jīng)網(wǎng)絡(luò)(PCNN)模型、工作原理、應(yīng)用背景和意義，并應(yīng)用于圖像分割。鑒于傳統(tǒng)的PCNN分割方法的分割效果并不是很理想，本文在傳統(tǒng)PCNN分割算法的基礎(chǔ)上進(jìn)行了改進(jìn)。用線性遞減的閾值衰減函數(shù)代替了指數(shù)遞減的衰減函數(shù)，降低了算

2、法的復(fù)雜度；并引入了熵的概念，利用最大熵原則作為分割中止準(zhǔn)則，改變了原算法中迭代中止的盲目性，同時(shí)通過(guò)其他參數(shù)的一些改進(jìn)，最終達(dá)到了較好的分割結(jié)果。
　　 將上述改進(jìn)的分割算法應(yīng)用于彩色圖像的處理中，通過(guò)對(duì)常見(jiàn)的幾種彩色空間的比較，選用NRGB空間對(duì)彩色圖像的分量圖分別進(jìn)行處理，然后通過(guò)本文的方法對(duì)分量圖進(jìn)行合并，得到最終的分割結(jié)果。通過(guò)仿真也證明了在NRGB空間中利用PCNN分割算法能獲得比其他彩色空間更好的分割結(jié)果，分割圖的

3、輪廓明顯，細(xì)節(jié)清晰。
　　 最后本文將PCNN引入交互式分割算法中。傳統(tǒng)的Live-wire算法對(duì)弱邊緣的分割效果不理想，容易出現(xiàn)誤分割現(xiàn)象；在進(jìn)行代價(jià)值搜索的時(shí)候搜索方法的復(fù)雜度較高，針對(duì)這對(duì)這些缺點(diǎn)，本文用改進(jìn)的Canny算子代替Laplace算子，從而改進(jìn)了Live-wire算法的代價(jià)函數(shù)，并利用PCNN的自動(dòng)波特性能進(jìn)行最短路徑搜索的原理，將其應(yīng)用于Live-wire中的最短路徑搜索，降低了原算法的復(fù)雜度，克服了Live