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，學者們提出的各類算法促進了圖像分割技術(shù)的進一步發(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。最大類間方差法(Otsu)是閾值法中最經(jīng)典的方法，而二維Otsu算法改進了一維Otsu抗噪性不佳以及魯棒性不強等問題，但隨著維度的增加算法效率大幅降低，難以用于實時處理。另外脈沖耦合神經(jīng)網(wǎng)絡

2、(PCNN)模型是一種新型神經(jīng)網(wǎng)絡模型，其濃厚的生物學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行改進，并通過實驗仿真驗證了算法的有效性。
　?。?）本文采用模擬自然現(xiàn)象的螺旋優(yōu)化算法來改進二維Otsu算法的運算效率，相比其它優(yōu)化算法，分割效率更好，同時算法只需設(shè)定兩個參數(shù)，而這兩個參數(shù)通常不需要改變，是一種可行的自動快速分割算法。
　?。?）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。
　　（3）針對分割后的圖片不夠純凈，存在孤立噪點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進行脈沖傳播，不僅能捕獲鄰域點火，也能捕獲鄰域滅火，只需一次迭代就能去除噪點，并且能使邊緣更加清晰，能夠很好的提升最終