基于脉冲耦合神经网络的彩色图像分割方法的研究

• 作 者: 吴威
• 出 处: 哈尔滨工业大学
• 发表日期: 2016年期
• 关键词: 脉冲耦合神经网络 图像分割 彩色图像 自动分割

图像分割在图像识别和计算机视觉研究中的主要作用是预处理,是图像处理中关键的一步。将一副图像分割成多个互不相交的区域是它的主要目标。现阶段可以将常见的分割算法归纳为两类:传统图像分割算法和根据其他学科进行改进的图像分割算法。脉冲耦合神经网络(Pulse Coupled Neural Network,PCNN)是对生物视觉进行模拟得出的新一代人工神经网络。基于PCNN的分割算法以其分割精度高、适应范围广的优势成为国内外学者关注的热点。多媒体技术的发展和各种视觉应用的普及,使得人们逐渐对彩色图像处理重视起来。因此,如何利用PCNN对彩色图像进行图像分割算法的设计是一个研究的热点。本文在论述PCNN模型的基本工作原理和典型的分割算法基础上,结合PCNN本身特性对它进行改进。针对PCNN在进行图像分割处理中,由于参数繁多、难以确定参数值和结果对参数敏感造成的分割效果不好的问题。通过结合最大熵准则,利用最大类间方差法获取的全局阈值与改进的PCNN获取的动态阈值设计一种自适应分割算法。分割结果表明,该算法可以较好的对图像进行分割处理,并且实现了PCNN参数的自适应调整,减少了人工干预,对各类图像具有一定的适应性。现阶段,基于PCNN的彩色图像分割方面的研究并不是很多,而且也存在某些不足。针对彩色图像的图像分割方面的不足和缺陷,本文对彩色图像的颜色空间模型进行分析,寻找合适的颜色空间模型对彩色图像进行分解。结合区域生长法和PCNN模型的特性,通过对这两个方法的深入分析,利用PCNN模型模拟区域生长法,设计适合彩色图像分割要求的PCNN模型。利用颜色空间获得各分量数据,再用改进的PCNN模型处理各个分量。最终的输出结果是通过大概率合并准则合并各个分量的分割结果得到的。通过编写算法代码,仿真验证所设计的算法对图像进行分割处理的效果,并利用客观指标评价算法性能。实验仿真结果表明,所设计的算法不仅能实现准确分割彩色图像,而且具有较好的普适性。