基于脉冲耦合神经网络的图像分割与融合方法研究

发布时间：2023-06-17 23:04

　　脉冲耦合神经网络(Pulse Coupled Neural Network,PCNN)是20世纪90年代初,提出的一种模拟哺乳动物视觉神经细胞特性的网络模型,由于它本身拥有变阈值、捕获、自动波以及综合时空等生物视觉背景特性,非常适合应用在图像处理领域。本文对PCNN原理和模型进行了深入研究,针对现有PCNN图像分割中参数多,设置困难,分割评价不具体全面;PCNN图像融合中对源图像清晰区域划分不精确,传统区域清晰度特征抗噪性能较差,融合结果质量不高等问题,将PCNN与粒子群优化(Particle Swarm Optimization,PSO)和非下采样Contourlet变换(Nonsubsampled Countourlet Transform,NSCT)算法相结合,提出了新的图像分割方法和融合算法。为了解决PCNN在图像分割中多参数设定以及评价准则单一的问题,提出了一种结合PSO和综合评价准则的PCNN图像自动分割方法。采用单调递增阈值搜索策略的PCNN改进模型,将PSO优化原理与由交叉熵参数,边缘匹配度和噪点控制度共同构成的综合评价相结合,以综合评价作为粒子的适应度函数,自动寻优获...

【文章页数】：64 页

【学位级别】：硕士

【文章目录】：
摘要
Abstract
第1章 绪论
    1.1 研究背景
    1.2 研究目的和意义
        1.2.1 PCNN与图像分割
        1.2.2 PCNN与图像融合
    1.3 论文主要研究工作与内容安排
第2章 脉冲耦合神经网络基本理论
    2.1 脉冲耦合神经网络基本模型
    2.2 PCNN模型参数
    2.3 PCNN工作机理
        2.3.1 无耦合连接
        2.3.2 耦合连接
    2.4 PCNN基本特性
    2.5 小结
第3章 结合PSO和综合评价的PCNN图像自动分割
    3.1 PCNN图像分割模型
    3.2 结合PSO和综合评价准则的图像分割算法
        3.2.1 PSO优化原理
        3.2.2 综合评价准则
        3.2.3 算法步骤
    3.3 图像分割实验与分析
    3.4 小结
第4章 基于NSCT和DCPCNN的图像融合方法
    4.1 NSCT变换
    4.2 分段式动态阈值DCPCNN图像融合模型
    4.3 基于NSCT和DCPCNN的图像融合算法
        4.3.1 低频子带系数融合规则
        4.3.2 高频子带系数融合规则
    4.4 图像融合算法实验与分析
        4.4.1 DCPCNN图像低频系数融合模板
        4.4.2 多聚焦图像融合
    4.5 小结
第5章 总结和展望
    5.1 论文总结
    5.2 研究展望
参考文献
致谢
攻读硕士学位期间的研究成果



本文编号：3834314