基于形態(tài)學(xué)增強的PCNN金相圖分割.pdf

1、圖像分割在圖像處理中的應(yīng)用十分廣泛,目前的圖像分割算法總類繁多。近幾年將脈沖耦合神經(jīng)網(wǎng)絡(luò)應(yīng)用于圖像分割漸漸成為熱點,本文主要對復(fù)雜背景下的金相圖,采用PCNN圖像分割算法進行相關(guān)的研究。
　　 本文首先提出一種改進的形態(tài)學(xué)top-hat濾波增強算法,通過對該算法中相關(guān)參數(shù)的調(diào)節(jié),增強圖像的對比度,使得增強后的金相圖更有利于圖像分割。
　　 然后通過對脈沖耦合神經(jīng)網(wǎng)絡(luò)模型的理論研究,對模型進行如下的一些改進?？紤]到傳統(tǒng)模型

2、中的參數(shù)多并且計算復(fù)雜,本文將該模型進一步簡化,降低了分割的時間。由于模型參數(shù)的選取一直是一個難點問題,本文根據(jù)現(xiàn)有的方法,對模型參數(shù)的設(shè)置進行一些研究。分割效果一直是人們關(guān)注的重點,怎樣提高算法的分割效果也一直是人們研究的方向。采用該模型對復(fù)雜背景下的金相圖進行分割時,會出現(xiàn)不同程度的誤分割,其中最主要的就是邊緣信息的把握不準(zhǔn)。本文將SUSAN邊緣檢測算法與該模型相結(jié)合,用SUSAN邊緣檢測的結(jié)果初始化模型的閾值矩陣,使得圖像邊緣部分