一种基于改进PCNN模型的图像分割方法

通过对传统脉冲耦合神经网络(PCNN)模型的改进,在模型的输入端加入目标区域的边缘数据,使最高灰度级不同的非连通神经元同期点火,实现了多目标区域同时分割。给出了影响同期点火激励范围的主要参数β的自动设定方法,并设计了基于图像最大熵准则的自动分割算法。用分割精度评价准则验证了所提出方法的有效性。实验证明,对于低噪声污染的图像,改进的PCNN模型在多目标识别中的正确接受率达到95%以上,明显优于经典的Fastlinking模型。     

基于LNSST与PCNN的红外与可见光图像融合

为了提升红外与可见光图像融合精度,提出了一种局部化非下抽样剪切波变换与脉冲耦合神经网络相结合的红外与可见光图像融合方法。首先,利用局部化非下抽样剪切波对源图像进行多尺度、多方向分解;然后,在分解后的各子带图像中进行块奇异值分解,求取区域特征能量值作为脉冲耦合神经网络对应神经元的链接强度。经过脉冲耦合神经网络点火处理,获取子带图像的点火映射图,通过判决选择算子,选择各子带图像中的明显特征部分生成子带融合图像;最后,应用局部化非下抽样剪切波逆变换重构图像。采用多组红外与可见光图像进行融合实验,并对融合结果进行了客观评价。实验结果表明本文提出的融合方法在主观和客观评价上均优于已有文献的一些典型融合方法,可获得更好的融合效果。     

一种基于PSO算法和ICM模型的图像自动分割算法

ICM模型（Intersecting Cortical Model）是一种简化的脉冲耦合神经网络（Pulse Couled Neural Network,PCNN）,ICM模型图像分割的效果取决于ICM模型中各个参数的合理选择,这一般需要通过多次实验获得。而粒子群优化算法（Particle Swarm Optimization,PSO）具有对参数自动寻优的优势,为此,将PSO和ICM模型相结合,以改进的最大类间方差准则函数为适应度函数,提出了一种新的基于PSO和ICM模型图像自动分割算法。实验仿真结果验证了该方法的有效性,即不仅可以正确的实现图像分割,而且参数可以自动设置省去了人工实验的麻烦,同时分割速度也有所提高。     

基于脉冲耦合神经网络的红外图像增强

在分析了脉冲耦合神经网络的工作机理和行为特性后,指出可以利用神经元的点火-熄灭特性对图像进行增强.为了区分神经元的点火方式,提出一种根据链接矩阵判定神经元点火方式的方法,并利用自然点火和捕获点火建立了能使图像得到增强的非线性映射.文中对算法参数的设置及其对增强图像的影响做了详细地讨论,实验结果表明该算法不仅能使图像的对比度和亮度得到适当的增强,而且能够有效地抑制图像中的椒盐噪声,尤其适用于对比度和亮度都较低的红外图像.     

一种改进的Graph Cuts交互图像分割方法

本文提出了一种改进的Graph Cuts交互图像分割方法。Graph Cuts交互图像分割方法首先由用户选定部分像素作为对象和背景，其余像素为未知区域；然后根据以像素为顶点，以像素相邻关系为边，构造一个图；最后通过图的最小分割方法将图像分为对象和背景两部分。此方法分割图像的结果直接受到用户选定对象和背景像素操作的影响，对象和背景边界的像素容易被分割错误。我们分别对对象区域和背景区域进行腐蚀操作，使分割错误的像素重新变为未知区域（对于在对象或背景内部被错误划分的像素，可以利用类似画笔的工具，直接将其标为对像或背景），然后重新进行一次Graph Cuts分割。由于这次选定了大部分的对象和背景区域，实验结果表明，最后分割结果正确率明显提高了。     

一种基于mean shift的多通道图像分割算法

目的针对目标与背景对象的色彩值比较接近的RGB图像中,目标对象难以有效分割的问题,探索一种基于mean shift的RGB多通道图像的分割方法。方法根据RGB图像的3个通道对颜色的敏感性差异,运用均值偏移算法对RGB图像的3个通道分层聚类,再引入可靠性因子,分别对3个单通道的各聚类像素进行可靠性计算,并保留可靠性高的像素作为分割结果,最后采用逻辑"或"运算融合单通道的分割结果,得到最终分割图像。结果与一般分割算法相比,该方法的分割效果好,误分率低,改善了图像的分割质量。结论该算法具有很好的推广性,能够应用于彩色印品缺陷检测、彩色包装图像检测中。     

包装机械手轨迹规划和控制系统设计

目的 针对常见分区域图像修复算法中,对于待修复目标的分离效果不佳而导致的修复效果较差等问题,提出一种基于改进K均值聚类的图像修复方案。方法 首先将待分割图像转换到CIELab颜色空间,对a,b分量进行聚类运算,得到K个聚类中心,通过改变聚类迭代次数,得到粗分割结果;然后采用数学形态学对分割结果进行细化处理,精确分离得到目标对象和背景;最后,采用Reinhard算法对目标和背景分别进行色彩迁移,得到图像修复结果。结果 所提模型中的区域分割算法,其分离效果均优于经典的分水岭算法、最大类间方差法和基于Lab通道的最大类间方差算法,采用Reinhard色彩迁移算法图像修复结果比较接近理想修复效果。结论 由最终结果可知,提出修复法的整体效果较为理想,且优于传统的分区域图像修复算法,可为生产实践提供必要的理论依据。     

一种基于脉冲耦合神经网络的图像降噪方法

传统的脉冲耦合神经网络(PCNN)在图像降噪时不能准确地定位噪声数据并去除图像噪声.提出一种基于改进的PCNN有效去噪方法.该方法在PCNN模型上采用自适应的突触连接系数,使之随不同神经元与其周围神经元相似程度的不同而自适应变化,提高噪声数据的辨识度;同时将PCNN神经元的点火频次记录在点火时间序列中,根据神经元点火次数判断并滤出噪声点,实现更好地降噪效果.实验测试结果表明,该方法不仅可以准确地辨识噪声数据,而且能够有效地去除图像的噪声点,具有较强的适应性和较好的边缘与细节保护能力.     

一种改进的Otsu阈值分割算法

当目标与背景的类内方差差别较大时,Otsu法分割阈值偏向于方差较大的一类,从而使分割的效果不佳.针对这一问题,提出了一种改进Otsu阈值分割方法.利用目标在图像中所占比例,综合类内方差与类间方差,修正最佳阈值选择公式,并缩小算法遍历灰度范围来提高算法运算速率,最后通过区域一致性对算法的分割效果进行评价.实验结果表明,改进的Otsu法分割效果较好,并提高了算法执行效率.     

PCNN赋时矩阵高斯噪声滤除算法

为消除图像降噪过程中传统降噪方法对图像边缘和细节的影响,提出一种基于改进脉冲耦合神经网络(pulse coupled neural network,PCNN)赋时矩阵的有效滤除高斯噪声算法。该算法将PCNN模型的突触联结强度改进为随神经元与其周围神经元相似程度不同而变化的可变值,并将PCNN神经元的点火时间记录在赋时矩阵中,根据点火时刻判断噪声点,选择滤波方式。实验结果表明:该算法能够有效去除高斯噪声,具有较强的降噪性能及很好的边缘与细节保护能力。     

基于2D-WLDH和最大类间方差的图像阈值分割及其快速递推算法

本文提出了一个新的二维直方图(2D-WLDH),同时提出了基于2D-WLDH和最大类间方差的图像阈值选取方法,并导出相应快速递推算法。新提出的2D-WLDH在区域划分时可以避免传统直方图区域划分时面临的不合理的假设,通过计算比较小的归一化的WLD值来准确估计目标和背景的概率。本文实验结果表明:与现有的有关算法相比,本文提出的阈值选取快速递推算法不仅使分割后的图像区域内部更均匀、边界形状更准确、抵抗噪声稳健,而且同时其运行时间还减少了约84.93%。     

基于 NSCT 域特征和 PCNN 的SAR 图像目标分割

针对 SAR 图像的目标自动分割问题,在分析非下采样轮廓波变换和脉冲耦合神经网络的基础上,提出了一种基于非下采样轮廓波域特征图和 PCNN 的 SAR 图像目标分割算法.对 SAR 图像经过 NSCT 分解后的高、低频图像分别运用不同方式进行处理.对低频图用 PCNN 进行分割以获取目标所在的区域,对高频子带构造了特征图,对特征图利用 PCNN 进行分割以获取目标的精细结构.利用 MSTAR 数据进行了仿真实验,并与基于模糊 C 均值的分割算法、基于马尔可夫随机场的分割算法进行了对比.实验结果表明,所提出算法对 SAR 图像目标的分割结果更为准确,同时较其它算法具有更强的抗噪性能,是一种有效可行的 SAR 目标分割算法.     

一种有效的红外图像中人造目标分割方法

提出一种红外图像单阈值分割方法。为了减少计算量,结合先验信息选择包含待分割目标的感兴趣区域,利用Bezier曲线法平滑感兴趣区域直方图的噪声;对平滑后的感兴趣区域的直方图求解其曲率曲线,用曲率曲线的波峰所对应的灰度值作为初始分割阈值;基于先验信息从初始分割阈值中确定最佳分割阈值并进行初步分割。为了弥补单纯利用阈值法分割的缺陷,结合上述分割结果和目标的边缘信息得到封闭性良好的完整目标的二值图像。实验结果表明,提出的方法能快速有效地将红外目标从复杂的背景中分割出来,算法的计算复杂度为O(MN)。     

Airplane extraction and identification by improved PCNN with wavelet transform and modified Zernike moments

At an airport, the information of the number and positions of airplanes is very important for the applications of air navigation. Especially, the information from airplane extraction and identification is significant in both civil and military remote sensing. In this paper, according to the characteristics of airplanes and airport in satellite remote sensing images, a new airplane image segmentation algorithm is proposed based on improved pulse-coupled neural network (PCNN) with wavelet transform, and airplane identification algorithm is carried out by using modified Zernike moments. Firstly, for an original image, a PCNN model is improved and then used to do image segmentation by combining the wavelet transform. Then, in order to reduce the number of irrespective targets in the image and increase the processing speed, the airplanes in the original image are roughly detected on the characteristics of the segmented object contour geometries. Finally, the Zernike moments are modified and then applied to identify the roughly detected airplanes accurately. By comparing to the five traditional image segmentation algorithms for the same airplane images, the testing results show that the improved PCNN image segmentation algorithm can segment and detect airplane regions at an airport accurately at a high recognising rate and with high recognising stability, and it is not affected by the image shadows and rotations.     

Deer Body Adaptive Threshold Segmentation Algorithm Based on Color Space

In large-scale deer farming image analysis, K-means or maximum betweenclass variance (Otsu) algorithms can be used to distinguish the deer from the background. However, in an actual breeding environment, the barbed wire or chain-link fencing has a certain isolating effect on the deer which greatly interferes with the identification of the individual deer. Also, when the target and background grey values are similar, the multiple background targets cannot be completely separated. To better identify the posture and behaviour of deer in a deer shed, we used digital image processing to separate the deer from the background. To address the problems mentioned above, this paper proposes an adaptive threshold segmentation algorithm based on color space. First, the original image is pre-processed and optimized. On this basis, the data are enhanced and contrasted. Next, color space is used to extract the several backgrounds through various color channels, then the adaptive space segmentation of the extracted part of the color space is performed. Based on the segmentation effect of the traditional Otsu algorithm, we designed a comparative experiment that divided the four postures of turning, getting up, lying, and standing, and successfully separated multiple target deer from the background. Experimental results show that compared with K-means, Otsu and hue saturation value (HSV)+K-means, this method is better in performance and accuracy for adaptive segmentation of deer in artificial breeding scenes and can be used to separate artificially cultivated deer from their backgrounds. Both the subjective and objective aspects achieved good segmentation results. This article lays a foundation for the effective identification of abnormal behaviour in sika deer.     

基于PCNN的图像融合新方法

本文提出了一种基于PCNN的新型图像融合算法.首先,对待融合的两幅图像进行平稳小波分解得到两组多尺度图像;接着,取其中任意一组作为主PCNN的输入、另一组相应的图像作为从PCNN的输入,在每次迭代时,经并行PCNN点火后,得到一系列多尺度融合图像;然后,对它们进行平稳小波反变换得到每次迭代的融合结果;最后,计算每次迭代结果的信息熵,取信息熵值最大的融合图像作为最终结果.大量的实验以及与其它融合算法的比较分析,表明了本文算法的有效性和优越性.     

Image Processing of Manganese Nodules Based on Background Gray Value Calculation

To troubleshoot two problems arising from the segmentation of manganese nodule images-uneven illumination and morphological defects caused by white sand coverage, we propose, with reference to features of manganese nodules, a method called “background gray value calculation”. As the result of the image procession with the aid this method, the two problems above are solved eventually, together with acquisition of a segmentable image of manganese nodules. As a result, its comparison with other segmentation methods justifies its feasibility and stability. Judging from simulation results, it is indicated that this method is applicable to repair the target shape in the image, and segment the manganese nodule image in a short time. Also, it could be used to synchronously process a large number of manganese nodules on different conditions in an image, laying a good foundation for automatic underwater manganese nodule survey. Even if the target in the image is slightly distorted, the statistical data of manganese nodules are still accurate. Moreover, other methods cannot be fully applied to the segmentation of manganese nodule images; in another word, the effectiveness and stability of this method are proved.     

非均匀背景下的红外图像曲面拟合分割

红外图像往往存在着背景不一致的特点,因此在分割时无法有效地提取出目标。本文针对这一问题提出了一种基于曲面拟合的图像分割方法,以分割非均匀背景下的红外目标。这种方法首先对背景进行光顺限制的曲面拟合,再通过设置一个偏移量来形成阈值曲面。通过研究发现,曲面拟合时的偏离项和光顺项的权重系数比是由图像背景的双拉普拉斯变换以及噪声均方差共同决定的,从而在估计噪声均方差的基础上实现了对权重系数的自适应选取。从仿真结果可以看出,本文提出的曲面拟合分割法在背景去除和目标提取上要优于传统的Ostu法和局部阈值法。     

EMS表单中手写体中文识别图像预处理方法研究

目的在脱机手写体文字识别系统中,由于自由书写的字符不可避免地受到图像背景不均匀、图像倾斜和字符粘连及大小不一等因素的影响,为了确保字符切分和识别的正确性,对EMS表单中手写体汉字字符图像预处理方法进行探讨,展示了EMS表单图像预处理的全过程。方法采用最小二乘法作拟合直线的方法,对目标图像进行定位和分割,用基于大津阈值的分块阈值算法处理目标图像的背景不均问题,并减少噪声干扰。结果该图像预处理方法在1020张真实EMS图像上进行测试,识别正确率达到了86.3%。结论该方法有一定的灵活性和抗干扰性,减少了图像噪声对汉字字符切分和识别的影响。