论文部分内容阅读
图像分割是图像理解和图像分析的基础,是机器视觉的基本问题之一。基于神经网络的图像分割方法是近年来提出的新型的图像分割方法,在20世纪90年代,研究者根据生物视觉神经系统中神经元的振荡特性,提出了脉冲耦合神经网络(Pulse Coupled Neural Network-PCNN)和局部兴奋全局抑制神经网络(Local Excitatory Globally Inhibitory Neuronal Oscillator Network-LEGION)。近年来,PCNN和LEGION的研究在逐渐升温,得到了广大研究者的关注。
目前,对基于PCNN和LEGION的图像分割研究还远远不够,两种振荡神经网络拓扑结构简单,不需训练学习,可以直接用于图像处理。因此,研究PCNN和LEGION在图像分割领域中的应用具有广阔的前景。
本文的研究内容主要集中在以下几个方面:
首先,本文全面介绍了PCNN和LEGION神经网络的结构和功能关系,详细说明了参数的意义及其在图像领域中的应用。
其次,由于绝大部分基于PCNN的图像分割方法是对输入图像直接处理的,对含丰富纹理的复杂图像分割效果不好,本文提出了尺度变化的纹理特征提取与PCNN相结合的图像分割方法,称为size—Adaptive—PCNN,通过对比试验说明了该方法有效性。
再者,分析了RG—PCNN(Region Grow PCNN)和SRG—PCNN(Simplified RegionGrow PCNN)的缺陷,经RG-PCNN分割后的图像,边缘不连续;经SRG—PCNN分割后的图像,区域内部一致性较差。为了兼顾图像的边缘连续性和区域的一致性,本文提出了一种基于PCNN的图像分割新方法,通过对比实验说明了该方法优越性。
最后,基于LEGION的纹理图像分割研究极少,经过可行性分析,本文结合Gabor与LEGION提出了纹理图像分割新方法,通过对比实验证明了此方法的有效性,拓宽了LEGION算法的应用领域。