基于PCNN的图像分割算法研究

论文摘要

目前,在军事领域数字图像处理的应用越来越广泛,而图像分割是图像处理的一个重要组成部分,准确的图像分割和边缘提取是实现军事目标识别的重要基础,图像分割的方法繁多,新的分割方法不断出现。文中介绍了脉冲耦合神经网络（PCNN）模型、工作原理、应用背景和意义,并应用于图像分割。鉴于传统的PCNN分割方法的分割效果并不是很理想,本文在传统PCNN分割算法的基础上进行了改进。用线性递减的阈值衰减函数代替了指数递减的衰减函数,降低了算法的复杂度；并引入了熵的概念,利用最大熵原则作为分割中止准则,改变了原算法中迭代中止的盲目性,同时通过其他参数的一些改进,最终达到了较好的分割结果。将上述改进的分割算法应用于彩色图像的处理中,通过对常见的几种彩色空间的比较,选用NRGB空间对彩色图像的分量图分别进行处理,然后通过本文的方法对分量图进行合并,得到最终的分割结果。通过仿真也证明了在NRGB空间中利用PCNN分割算法能获得比其他彩色空间更好的分割结果,分割图的轮廓明显,细节清晰。最后本文将PCNN引入交互式分割算法中。传统的Live-wire算法对弱边缘的分割效果不理想,容易出现误分割现象；在进行代价值搜索的时候搜索方法的复杂度较高,针对这对这些缺点,本文用改进的Canny算子代替Laplace算子,从而改进了Live-wire算法的代价函数,并利用PCNN的自动波特性能进行最短路径搜索的原理,将其应用于Live-wire中的最短路径搜索,降低了原算法的复杂度,克服了Live-wire算法对弱边缘分割容易出现误分割现象的缺点,改善了弱边缘分割效果不好的缺点,最终获得了较为理想的分割结果。

论文目录

• 摘要
• ABSTRACT
• 第一章 绪论
• 1.1 本文背景及意义
• 1.2 图像处理概论
• 1.2.1 图像处理的分类
• 1.2.2 数字图像处理的应用
• 1.2.3 数字图像处理的优点
• 1.3 本文的主要研究工作和组织结构
• 第二章 图像分割
• 2.1 引言
• 2.2 图像分割定义
• 2.3 图像分割的应用
• 2.4 图像分割算法的分类
• 2.4.1 基于聚类的方法
• 2.4.2 基于区域和边缘的方法
• 2.4.3 基于全局优化的方法
• 2.4.4 多尺度的方法
• 2.4.5 自整体到局部的方法
• 2.4.6 交互式的方法
• 2.5 基于神经网络的方法
• 2.5.1 神经元模型的提出
• 2.5.2 神经网络的研究内容
• 2.5.3 几种典型神经网络简介
• 2.5.4 人工神经网络的特点
• 2.5.5 神经网络发展的意义
• 2.6 本章小节
• 第三章 基于改进的PCNN图像分割
• 3.1 引言
• 3.2 PCNN神经元模型
• 3.2.1 传统PCNN神经元模型
• 3.2.2 传统PCNN神经元模型的局限性
• 3.3 简化的PCNN模型
• 3.4 PCNN数字图像处理原理
• 3.5 PCNN的应用
• 3.6 基于PCNN的图像分割
• 3.6.1 PCNN的各项参数作用
• 3.7 基于改进的PCNN图像分割算法
• θ的确定'>3.7.1 V_θ的确定
• 3.7.2 阈值衰减函数的选择
• 3.7.3 中止条件的选择
• 3.7.4 分割算法与步骤
• 3.7.5 仿真结果与分析
• 3.8 本章小节
• 第四章 基于改进的PCNN彩色图像分割
• 4.1 引言
• 4.2 彩色空间
• 4.2.1 RGB彩色空间
• 4.2.2 YIQ彩色空间
• 4.2.3 YUV彩色空间
• 1I₂I₃彩色空间'>4.2.4 I₁I₂I₃彩色空间
• 4.2.5 HSI彩色空间
• 4.2.6 标准化的RGB（NRGB）彩色空间
• 4.3 彩色图像分割算法的分类
• 4.4 分割算法与步骤
• 4.5 仿真结果与分析
• 4.6 本章小节
• 第五章 基于PCNN路径搜索的交互分割算法
• 5.1 引言
• 5.2 LIVE-WIRE算法
• 5.2.1 最优路径的产生
• 5.2.2 构造局部代价函数
• 5.2.3 改进的局部代价函数
• 5.3 多输出脉冲耦合神经网络模型
• 5.3.1 MPCNN的设计
• 5.3.2 MPCNN自动波传播技术性能分析
• 5.3.3 利用MPCNN求解最短路径的算法
• 5.3.4 算法说明
• 5.4 基于PCNN路径搜索的改进LIVE-WIRE算法
• 5.5 仿真结果与分析
• 5.6 本章小节
• 第六章 结论
• 参考文献
• 致谢
• 作者在攻读硕士学位期间所作的工作