1 簡介

1950s數(shù)字圖像處理產(chǎn)生，從此學(xué)術(shù)界對它的研究連綿不絕。十多年之后，數(shù)字圖像的處理被獨立出來成了一門課程。圖像分割技術(shù)是處理圖像的一種基礎(chǔ)技術(shù)，在圖像處理領(lǐng)域中占了重要地位，且在圖像工程、模式識別、計算機視覺等方面起著重要作用。本文正是以圖像分割為研究課題，以如何能更好地圖像進行省時而有效的分割為研究目的，提出了基于最大熵的脈沖耦合神經(jīng)網(wǎng)絡(luò)（PulseCoupled Neural Networks，簡稱PCNN）的方法。眾所周知，有效的分割方法有利于理解圖像的本質(zhì)和后續(xù)的研究工作等，因此本文分割方法的研究是具有一定意義的。 傳統(tǒng)的處理圖像的分割問題的方法有：基于灰度級算術(shù)均值法、基于熵與直方圖法、基于最大類間方差法、基于邊緣的檢測分割法，基于閾值的分割法，基于邊界提取的分割法，基于區(qū)域的分割法，基于特定理論的分割法。同時，當然少不了產(chǎn)生的一些相關(guān)模型，如健壯尺度區(qū)域模型，二維經(jīng)典C-V模型，尺度區(qū)域擬合模型，三維C-V模型，健壯統(tǒng)計三維C-V模型，幾何主動輪廓模型等。本文將出基于脈沖耦合神經(jīng)網(wǎng)絡(luò)的方法。此方法對上述分割數(shù)字圖像時的不足具有一定的彌補作用。用PCNN方法分割數(shù)字圖像的模型中，以神經(jīng)元為單元，構(gòu)成二維的一層的神經(jīng)元列。PCNN模型中神經(jīng)元的數(shù)目一致于像素數(shù)目，每個神經(jīng)元一一對應(yīng)于每個像素。根據(jù)PCNN的脈沖傳播特性而引起的同步脈沖現(xiàn)象來實現(xiàn)圖像分割。

2 部分代碼

clear all

RGB = imread('p

總結(jié)

以上是生活随笔為你收集整理的【图像分割】基于脉冲耦合神经网络实现图像分割附matlab代码的全部內(nèi)容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯，歡迎將生活随笔推薦給好友。