科研之友
微信
新浪微博
Facebook
分享链接
摘要
为了解决脉冲耦合神经网络(PCNN)在图像分割中存在红外图像噪声适应性差、分割结果精度差和参数确定复杂的问题，提出了一种结合多尺度高斯核和粒子群优化(PSO)的自适应分割(AGK-PCNN)算法。首先基于简化PCNN模型进行输入图像的全局耦合和脉冲同步，利用各向异性高斯核的特性设计了权重矩阵，有效地抑制红外噪声，且结合粒子群算法自适应调整不同图像的模型关键参数达到最优分割效果。最后同最大类间方差法、自适应高斯阈值分割方法、SCM分割方法等进行视觉效果对比，使用IoU和Dice得分等对分割图像进行定量比较，结果表明，无论是从主观视觉还是客观指标，本文方法的分割效果均优于其他对比方法。
- 单位
