基于PCNN和Otsu的圖像分割算法研究.pdf

1、圖像分割是一種基礎(chǔ)性操作，其主要作用是將圖像中有用的部分提取出來，以便對圖像進(jìn)一步分析和處理，這也是一種對圖像數(shù)據(jù)的壓縮，是圖像處理的關(guān)鍵。近年來，學(xué)者們提出的各類算法促進(jìn)了圖像分割技術(shù)的進(jìn)一步發(fā)展，尤其是精度和效率有了大幅提高，但仍然需要繼續(xù)改進(jìn)。最大類間方差法(Otsu)是閾值法中最經(jīng)典的方法，而二維Otsu算法改進(jìn)了一維Otsu抗噪性不佳以及魯棒性不強(qiáng)等問題，但隨著維度的增加算法效率大幅降低，難以用于實(shí)時(shí)處理。另外脈沖耦合神經(jīng)網(wǎng)絡(luò)

2、(PCNN)模型是一種新型神經(jīng)網(wǎng)絡(luò)模型，其濃厚的生物學(xué)背景使得在圖像分割領(lǐng)域有先天的優(yōu)勢，分割效果優(yōu)于傳統(tǒng)算法，但也存在參數(shù)較多，迭代終止條件難以確定等問題。本文針對這些問題進(jìn)行改進(jìn)，并通過實(shí)驗(yàn)仿真驗(yàn)證了算法的有效性。
　?。?）本文采用模擬自然現(xiàn)象的螺旋優(yōu)化算法來改進(jìn)二維Otsu算法的運(yùn)算效率，相比其它優(yōu)化算法，分割效率更好，同時(shí)算法只需設(shè)定兩個(gè)參數(shù)，而這兩個(gè)參數(shù)通常不需要改變，是一種可行的自動(dòng)快速分割算法。
　?。?）本

3、文在簡化PCNN模型的基礎(chǔ)上，尋找一種更適合該模型的迭代判別式，使得該模型的適應(yīng)度更廣。新的判別式是在 Otsu算法的基礎(chǔ)上，加入了圖像對比度作為判別因子，對于對比度較低的圖像分割有很好的判別。
　?。?）針對分割后的圖片不夠純凈，存在孤立噪點(diǎn)以及邊緣不夠清晰這些情況，提出一種雙向 PCNN模型，該模型能夠雙向同時(shí)進(jìn)行脈沖傳播，不僅能捕獲鄰域點(diǎn)火，也能捕獲鄰域滅火，只需一次迭代就能去除噪點(diǎn)，并且能使邊緣更加清晰，能夠很好的提升最終