基于脉冲耦合神经网络和进化算法的图像分割方法研究(4)

数字图像处理方向学术论文

摘 要

摘 要

图像分割作为图像处理中的一项关键技术，自20世纪70年代起受到人们的高度重视。图像分割是图像分析的第一步, 是计算机视觉的基础, 是图像理解的重要组成部分, 同时也是图像处理中最古老和最困难的问题之一。它是由图像处理过渡到图像分析的关键步骤，在图像工程中占据重要的位置。本文根据生物视觉的特点，实现了一种基于生物视觉模型——脉冲耦合神经网络模型的图像分割算法，并通过两种进化算法实现对网络参数的优化。

许多景观和图像的认知与识别对于生物来说是极其直观和简单的，但是对于机器而言却难以做到。本文基于一种生物视觉模型——脉冲耦合神经网络模型实现对图像的分割，从而达到目标检测的目的。脉冲耦合神经网络是一种不同于传统人工神经网络的新型的网络，图像中的像素点对应的神经元的输入不仅与其本身的亮度信息有关，还与其周围像素点对应的神经元的输出有关。在脉冲耦合神经网络中，具有相似输入的神经元同时发生脉冲，能够弥补输入数据的空间不连贯和幅度上的微小变化，从而较完整地保留图像的区域信息。由于图像内容、性质以及外部环境等因素影响的多样性，图像可能具有各种各样的属性。与图像的多样性相对应，脉冲耦合神经网络模型中所涉及的参数对于分割结果会产生非常重要的影响。本文采用两种进化算法优化模型中的参数，根据直方图形状、聚类和熵信息融合,设计一种目标函数，选择最适合的一组参数与每一幅图像对应，以实现最优的分割效果。

实验结果表明，这种从生物视觉的角度来对图像进行分割是一种非常有效的方法，也为计算机感知和认识图像提供了新的尝试与手段。

关键词： 图像分割 脉冲耦合神经网络 遗传算法 粒子群优化算法

百度搜索“77cn”或“免费范文网”即可找到本站免费阅读全部范文。收藏本站方便下次阅读，免费范文网，提供经典小说综合文库基于脉冲耦合神经网络和进化算法的图像分割方法研究(4)在线全文阅读。