基于粒子群优化算法的二维最大相关法图像分割

二维最大相关法图像分割算法充分利用了图像像素的灰度分布信息和各像素间的空间相关信息,因此算法的抗干扰能力强、图像分割效果好。但该算法的搜索空间大、计算时间长。为解决这一问题,提出了一种基于粒子群优化算法的二维最大相关法。该算法充分利用粒子群优化算法的特点,并对其进行了有益的改进,提高了算法的性能和搜索速度。实验结果证明了该算法的快速性、有效性和稳定性。

PCNN图像分割新方法

为了解决脉冲耦合神经网络(PCNN)难以确定最优分割结果以及脉冲产生门限由非线性方法计算得到的问题,提出了一种基于PCNN的图像分割新方法。该算法采用线性方式动态调整脉冲门限,采用二维最大相关准则确定PCNN网络的循环迭代次数,并引用中值滤波的思想对PCNN的接收部分进行了改良,以克服噪声对分割过程的影响。实验结果表明该方法能获得视觉效果较好的分割结果并具有较强的普适性。