多尺度PCNN圖像分割算法研究.pdf

1、傳統(tǒng)小波理論提供了一種對信號進(jìn)行多分辨率表示的方法，無論從理論方面還是實(shí)際應(yīng)用方面都得到了很大的發(fā)展，在圖像處理的各方面都得到廣泛有效的應(yīng)用。新興的多尺度幾何變換彌補(bǔ)了二維小波自身各向同性且方向選擇性差，對于圖像中的邊緣和紋理等特性無法有效表達(dá)的不足之處。圖像分割一直是圖像處理領(lǐng)域研究的熱點(diǎn)問題，如何結(jié)合和發(fā)揮多尺度幾何變換的優(yōu)點(diǎn)，提出適合某些領(lǐng)域的有效分割算法，成為近年來研究中關(guān)注的問題。 本文首先分析了小波域收縮閾值去噪方法

2、的優(yōu)點(diǎn)及不足，再結(jié)合Curvelet變換的特點(diǎn)改進(jìn)Normal Shrink閾值算法的尺度參數(shù)，提出一種改進(jìn)的自適應(yīng)閾值降噪方法。實(shí)驗(yàn)結(jié)果表明在圖像降噪方面與傳統(tǒng)的小波收縮閾值方法相比不但有更好的視覺效果，而且峰值信噪比值也更高。 本文在分析了離散Contourlet變換，連續(xù)Contourlet變換和無下采樣的Contourlet變換的基本原理的基礎(chǔ)上，結(jié)合脈沖耦合神經(jīng)網(wǎng)絡(luò)模型提出了一種圖像分割方法。該方法結(jié)合了Contour