基于显著性与脉冲耦合神经网络的图像分割

摘要：

针对复杂图像易受背景干扰的问题,提出一种基于显著性与脉冲耦合神经网络(Saliency and Pulse Coupled Neural Network,SPCNN)的图像分割方法.首先,利用显著性检测算法和最大类间方差法获得显著性图以及目标图像,排除了背景对初始种子点选取的干扰;然后,计算出显著性图的质心,并将其作为初始种子点;最后,采用改进的基于区域生长的脉冲耦合神经网络对目标图像进行分割.在Berkeley图像库和Ground truth Database图像库上对SPCNN模型进行了验证.实验结果表明,在一致性系数CC、相似性系数SC、综合指标IC 3个方面,SPCNN模型均优于所对比的PCNN模型、区域生长模型和RG-PCNN模型.

关键词：种子点、显著性、脉冲耦合神经网络、图像分割

所属期刊栏目：45

分类号：TP183(自动化基础理论)

在线出版日期：2018-08-23（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：259-263