基于灰度迭代阈值脉冲耦合神经网络的图像分割

为有效分割图像,提出了灰度迭代阈值脉冲耦合神经网络(GIT-PCNN)。GIT-PCNN简化了传统PCNN模型,将其指数衰减的阈值改进为图像的灰度迭代阈值。GIT-PCNN分割图像时无需进行参数和循环次数选择,也无需使用特定原则确定循环结束条件,一次点火过程完成分割。GIT-PCNN分割图像时充分利用了图像的灰度信息和PCNN特有的空间邻近及像素灰度值相似集群发放脉冲提供的图像局部位置信息。实验结果表明,GIT-PCNN在主观及客观的分割性能和速度上均优于经典的PCNN分割方法。

基于灰度迭代阈值的高分辨率影像分割研究

图像分割技术为遥感图像解译和分类的一种重要方法,目前主要应用在中分辨率影像中,由于高分辨率影像的信噪比低,直接进行图像分割,效果不佳.对2010年3月湖北省襄阳市高分辨率的快鸟影像,进行降噪处理及改进阈值策略来改善灰度迭代阈值法的图像分割效果.首先运用数学形态学的闭运算对影像进行降噪处理,然后采用灰度迭代阈值法和最大类间方差法的图像分割对影像进行分割对比研究.结果表明,灰度迭代阈值法在时间效率及影像分割效果方面优于最大类间方差法.

基于灰度迭代阈值PCNN的眼底图像血管分割

针对传统的脉冲耦合神经网络(Pulse Coupled Neural Network,PCNN)模型中参数众多且不易自动选取,迭代次数结束条件不好确定的问题,提出了一种基于灰度迭代阈值脉冲耦合神经网络的眼底图像血管分割方法。该方法简化了传统PCNN模型,将其单一的神经元兴奋性链接输入改进为神经元兴奋性与邻域抑制性链接输入之和;同时将其随时间指数衰减的阈值改进为图像的灰度迭代阈值,分割图像时无需人工设置参数,无需特定准则确定最佳迭代次数,一次迭代完成分割。对DRIVE眼底图像库的实验结果表明,该方法在主观视觉效果及客观分割性能和运算耗时上均明显优于传统PCNN方法。

基于图象处理的复杂指针式仪表的识别

根据仪表的结构特点,提出了复杂的指针式仪表的识别方法。对实现其功能的主要方法做了介绍,如阈值迭代二值化、边界跟踪、Hough变换的目标信息的提取、模板匹配。