基于PCNN的圖像分割算法研究.pdf

1、目前，在軍事領域數字圖像處理的應用越來越廣泛，而圖像分割是圖像處理的一個重要組成部分，準確的圖像分割和邊緣提取是實現軍事目標識別的重要基礎，圖像分割的方法繁多，新的分割方法不斷出現。
　　 文中介紹了脈沖耦合神經網絡(PCNN)模型、工作原理、應用背景和意義，并應用于圖像分割。鑒于傳統(tǒng)的PCNN分割方法的分割效果并不是很理想，本文在傳統(tǒng)PCNN分割算法的基礎上進行了改進。用線性遞減的閾值衰減函數代替了指數遞減的衰減函數，降低了算

2、法的復雜度；并引入了熵的概念，利用最大熵原則作為分割中止準則，改變了原算法中迭代中止的盲目性，同時通過其他參數的一些改進，最終達到了較好的分割結果。
　　 將上述改進的分割算法應用于彩色圖像的處理中，通過對常見的幾種彩色空間的比較，選用NRGB空間對彩色圖像的分量圖分別進行處理，然后通過本文的方法對分量圖進行合并，得到最終的分割結果。通過仿真也證明了在NRGB空間中利用PCNN分割算法能獲得比其他彩色空間更好的分割結果，分割圖的

3、輪廓明顯，細節(jié)清晰。
　　 最后本文將PCNN引入交互式分割算法中。傳統(tǒng)的Live-wire算法對弱邊緣的分割效果不理想，容易出現誤分割現象；在進行代價值搜索的時候搜索方法的復雜度較高，針對這對這些缺點，本文用改進的Canny算子代替Laplace算子，從而改進了Live-wire算法的代價函數，并利用PCNN的自動波特性能進行最短路徑搜索的原理，將其應用于Live-wire中的最短路徑搜索，降低了原算法的復雜度，克服了Live