PCNN模型耦合参数的优化及车辆图像分割

摘要：

脉冲耦合神经网络(PCNN)具有良好的图像分割特性,但神经网络参数的选取对分割效果有较大影响,如何自适应地选择网络参数是脉冲耦合神经网络应用研究的重要内容.本文首次从脉冲耦合神经网络的耦合特性出发,结合神经计算原理及图像局部区域的灰度特性,提出了脉冲耦合神经网络耦合参数的优化算法.首先利用Hebb学习规则对脉冲耦合神经网络模型的链接权值矩阵进行更新,然后利用图像局部区域的均方差自适应确定神经元链接强度系数,最后将优化的PCNN模型应用于运动车辆图像分割.通过耦合参数的优化,增强了神经元之间的耦合强度,与传统PCNN的车辆分割结果相比,较好地避免了过分割和欠分割现象,提高了运动车辆图像中车牌区域的分割质量,为后续车辆特征的提取奠定了良好的基础.

关键词：信息技术、优化PCNN模型、Hebb规则、局域均方差、运动车辆、图像分割

所属期刊栏目：12

分类号：TP391.14(计算技术、计算机技术)

资助基金：国家自然科学基金60972093;高等学校博士学科点专项科研基金20110009110001

在线出版日期：2012-04-27（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：48-54