基于改进脉冲耦合神经网络的图像分割方法

摘要：

为了实现对多目标图像和灰度不均匀图像的分割,文中提出了基于区域生长的局部脉冲耦合神经网络(RG-LPCNN)图像分割方法.首先,利用显著性检测方法提取出原始图像的显著性图.然后,根据直方图阈值法对显著性图进行粗分割,得出目标与背景,并将目标的质心作为RG-LPCNN的初始种子点.其次,将高斯核与原始图像的卷积结果作为放大系数,使得动态阈值具有了局部特性.最后,利用RG-LPCNN对图像进行分割,实现对多目标图像以及灰度不均匀图像的分割.将RG-LPCNN和其他阈值分割方法在自然图像、灰度不均匀图像上进行了对比,结果表明:RG-LPCNN在分割多目标图像和灰度不均匀图像方面具有较好的分割效果,验证了RG-LPCNN的有效性.

关键词：显著性、多目标、灰度不均匀、局部特性

所属期刊栏目：46

分类号：TP183(自动化基础理论)

在线出版日期：2019-07-29（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：258-262