多通道脈沖耦合神經(jīng)網(wǎng)絡(luò)實(shí)現(xiàn)彩色圖像分割.pdf

1、脈沖耦合神經(jīng)網(wǎng)絡(luò)（PCNN）適用于灰度圖像處理，不能直接處理彩色圖像。并且傳統(tǒng)PCNN是單通道模型，只能接收一個(gè)外界輸入，在此基礎(chǔ)上，對(duì)其進(jìn)行擴(kuò)展，改進(jìn)了一種能夠同時(shí)接收多幅圖像的多通道脈沖耦合神經(jīng)網(wǎng)絡(luò)（M-PCNN）模型，結(jié)合最大信息熵準(zhǔn)則，將其應(yīng)用于彩色圖像分割。主要研究?jī)?nèi)容有:
　　1、研究PCNN工作原理、基本應(yīng)用以及分割效果的評(píng)判準(zhǔn)則。通過實(shí)驗(yàn)結(jié)果對(duì)比分析，選擇最大信息熵準(zhǔn)則作為圖像分割效果的客觀評(píng)價(jià)標(biāo)準(zhǔn)。
　　2

2、、分析了RGB和HSV顏色空間模型，結(jié)合顏色空間的優(yōu)缺點(diǎn)以及具體分割效果，選擇RGB顏色空間作為彩色圖像分割的顏色模型。
　　3、研究M-PCNN模型，將傳統(tǒng)PCNN擴(kuò)展成多輸入的多通道PCNN模型，具體過程是將各通道的內(nèi)部活動(dòng)項(xiàng)進(jìn)行加權(quán)耦合得到整體的內(nèi)部活動(dòng)項(xiàng)，RGB三分量的像素平均值的比值作為加權(quán)系數(shù)，設(shè)置指數(shù)增長(zhǎng)的動(dòng)態(tài)閾值，結(jié)合同步脈沖發(fā)放特性和最大信息熵準(zhǔn)則實(shí)現(xiàn)彩色圖像分割。實(shí)驗(yàn)結(jié)果表明，基于M-PCNN的彩色圖像分割方法