交叉皮層模型在圖像分割中的應用研究.pdf

1、自20世紀50年代，圖像分割一直是計算機圖像處理中一個十分活躍的研究領域。作為一種重要的圖像處理技術，圖像分割是從圖像處理到圖像分析的關鍵步驟，在理論研究和實際應用中都得到了廣泛重視，其分割的準確性直接影響到后續(xù)任務的有效性，因此圖像分割具有十分重要的意義。 本文首先分析了國內外圖像分割領域眾多學者的研究成果，以及圖像分割實際應用的現(xiàn)狀和當前研究的熱點問題。深入分析了數(shù)字圖像分割的理論、方法以及脈沖耦合神經(jīng)網(wǎng)絡（PCNN）在數(shù)字

2、圖像處理方面的應用。在研究了PCNN模型之后，發(fā)現(xiàn)了其實時性較差。因此，為了有效地克服PCNN在圖像分割中所遇到的困難，本文中采用了Kinser等人提出的交叉皮層模型（ICM，intersecting cortical model）。ICM是一種全新的生物視覺模型，有著生物學的背景，是在參考了多種哺乳動物大腦視覺皮層模型的基礎上，以它們的公共部分為基礎而設計的，它適合圖形圖像的實時處理且不失皮層神經(jīng)元模型的基本機理。本文在與PCNN對比

3、的基礎上，詳盡地闡述了ICM的結構、基本機理、基本特性，采用ICM實現(xiàn)了對圖像的自動分割，并對其應用于圖像分割做了較為深入的研究。 在將ICM用于圖像自動分割時，選取何種評判標準以確定最優(yōu)分割結果是一個關鍵技術。本文提出了一種新的評判標準即簡單的方差作為評判準則。大量的實驗表明，該算法優(yōu)于經(jīng)典的最優(yōu)分割評判標準如交叉熵、區(qū)域一致性和區(qū)域對比度，而且在極少損失分割效果的情況下， ICM模型更為有效地降低了執(zhí)行時間。因此ICM模型更