基于PCNN图像分割算法研究.docx
- 文档编号:11717044
- 上传时间:2023-06-02
- 格式:DOCX
- 页数:74
- 大小:164.59KB
基于PCNN图像分割算法研究.docx
《基于PCNN图像分割算法研究.docx》由会员分享,可在线阅读,更多相关《基于PCNN图像分割算法研究.docx(74页珍藏版)》请在冰点文库上搜索。
基于PCNN图像分割算法研究
西北工业大学明德学院本科毕业设计论文
本科毕业设计论文
题目基于PCNN图像分割算法研究
专业名称自动化
学生姓名
指导教师
毕业时间2014.6
西北工业大学明德学院本科毕业设计论文
毕业
设计
论文
任务书
一、题目
基于PCNN的图像分割算法研究
二、指导思想和目的要求
本题目来源于科研,主要研究图像分割的概念,学习常用的图像分割算法,
重点研究PCNN在图像分割中的应用,进而实现相关算法。
希望通过该毕业设
计,学生能达到:
1.利用已有的专业知识,培养学生解决实际工程问题的能力;
2.锻炼学生的科研工作能力和培养学生团队合作及攻关能力。
三、主要技术指标
1.学习PCNN的基本原理;
2.研究图像分割的常用算法;
3.研究PCNN在图像分割中的应用并编程实现。
四、进度和要求
第01周----第02周:
参考翻译英文文献;
第03周----第04周:
学习图像分割的概念;
第05周----第08周:
研究PCNN的概念及其分割算法;
第09周----第14周:
编写给予PCNN的图像分割算法程序;
第15周----第16周:
撰写毕业设计论文,论文答辩。
五、主要参考书及参考资料
1.马义德.脉冲耦合神经网络与数字图像处理.科学出版社
2.陆科.基于PCNN的图像分割算法研究.东北大学硕士学位论文.
3.杨林森.基于脉冲耦合神经网络的图像分割与融合研究.电子科技大学硕
士学位论文.
学生指导教师系主任
I
西北工业大学明德学院本科毕业设计论文
摘要
目前,在军事领域数字图像处理的应用越来越广泛,而图像分割是图像处理
的一个重要组成部分,准确的图像分割和边缘提取是实现军事目标识别的重要基
础,图像分割的方法繁多,新的分割方法不断出现。
文中主要介绍了图像分割的定义,图像分割的应用,以及一些常用的图像
分割算法,并且对传统脉冲耦合神经网络(PCNN)模型,工作原理,应用背景
和意义,及应用于图像分割进行了细致的介绍。
文中介绍的图像分割主要算法有最大类间方差法,最大熵图像分割,以及基
于PCNN图像分割法,文中主要是针对二维灰度图像进行分割比较,通过以上
三种分割方法对图像的处理,对分割后的图像进行比较,看分割后目标和背景的
效果,来体现基于PCNN图像分割方法的优越性。
关键词:
图像分割;人工神经网络;PCNN;二维灰度图像
II
西北工业大学明德学院本科毕业设计论文
ABSTRACT
Atpresent,inthefieldofmilitarydigitalimageprocessingapplicationsmore
widely,andtheimagesegmentationisanimportantpartofimageprocessing,image
segmentationandedgeextractionaccuracyisanimportantbasisofmilitarytarget
recognition,imagesegmentationmethodisvarious,emergingnewsegmentation
method.
Thispapermainlyintroducesthedefinitionofimagesegmentation,image
segmentation,andsomeofthecommonlyusedimagesegmentationalgorithm,and
pulsecoupledneuralnetwork(PCNN)tothetraditionalmodel,theworkingprinciple,
applicationbackgroundandsignificance,andisappliedtoimagesegmentationare
detailedintroduction.
Thispaperintroducestheimagesegmentationalgorithmwiththemaximum
betweenclassvariancemethod,themaximumentropyimagesegmentation,andthe
segmentationbasedonPCNNimage,thispaperismainlyonthetwo-dimensional
grayimagesegmentation,throughtheabovethreekindsofsegmentationmethodfor
imageprocessing,thesegmentedimageiscompared,theeffectoftargetand
backgroundafterthesegmentation,todemonstratethesuperiorityofPCNNbased
imagesegmentationmethods.
Keywords:
imagesegmentation;artificialneuralnetwork;PCNN;two-dimensional
grayimage
III
西北工业大学明德学院本科毕业设计论文
目录
第一章绪论...............................................................................................................6
1.1论文背景及意义............................................................................................6
1.2图像处理概论................................................................................................6
1.2.1图像处理的分类...............................................................................7
1.2.2图像处理的应用...............................................................................8
1.2.3数字图像处理的优点.......................................................................9
1.3本文的主要研究工作和组织结构..............................................................10
第二章图像分割.......................................................................................................11
2.1引言..............................................................................................................11
2.2图像分割定义..............................................................................................12
2.3图像分割的应用..........................................................................................13
2.4图像分割算法的分类..................................................................................13
2.5阈值法..........................................................................................................14
2.5.1直方图阈值的双峰法.....................................................................15
2.5.2最大方差阈值分割.........................................................................16
2.5.3最大熵法.........................................................................................17
2.6基于边缘的分割方法..................................................................................20
2.7基于区域的图像分割方法..........................................................................21
2.7.1区域生长法....................................................................................21
2.7.2区域分裂和合并技术....................................................................22
第三章基于PCNN图像分割的算法......................................................................24
3.1引言..............................................................................................................25
3.2PCNN神经元模型......................................................................................26
3.2.1传统PCNN神经元模型................................................................26
3.3PCNN数字图像处理原理..........................................................................28
IV
西北工业大学明德学院本科毕业设计论文
3.4PCNN的应用..............................................................................................29
3.5基于PCNN的图像分割............................................................................30
3.6PCNN的各项参数作用..............................................................................31
第四章本文主要研究的算法及仿真结果...............................................................32
4.1Otsu法阈值选择.........................................................................................32
4.1.1Outs法程序及MATLAB仿真结果..............................................33
4.2.1最大熵法程序及仿真结果.............................................................35
4.3基于传统PCNN图像分割方法.................................................................37
4.3.1传统PCNN数学模型....................................................................37
第五章总结.............................................................................................................41
参考文献.....................................................................................................................42
致谢............................................................................................................................43
毕业设计小结.............................................................................................................44
V
西北工业大学明德学院本科毕业设计论文
第一章绪论
1.1论文背景及意义
目标识别是现代化高科技军事战争中的一个关键环节,而图像分割是军事目
标识别的主要处理方法,在军事方面有着非常重要的作用。
通过对军事图像的处
理,有助于对军事目标的识别,从而得到军事目标的各项参数,对于军事决策有
着重要的作用。
目前数字图像处理技术在导航制导方面的应用越来越广泛,随着
现代化军事技术的发展,图像分割的作用越来越明显。
目前的军事图像不仅有灰度的也有彩色的,灰度图像的处理方法较多,彩色
图像处理的方法相对较少,彩色图像中含有较灰度图像更多的信息,因此对彩色
图像的吃了研究同样非常重要。
对于目标的图像分割有很多种,有的分割方式未
能达到人的主观要求,有时候我们仅对图像的特定部分感兴趣,通过调节神经元
的连接强度,可对图像进行不同层次的分割。
大的连接强度使得图像被分为一个
或几个部分,较小的连接强度使得图像被分成多个部分,非常小的连接强度使得
图像被分为许多部分。
由此可见,使用大的连接强度,可得到图像的轮廓;使用
小的连接强度,可得到图像的细节。
这是一种新的图像分割方法。
不同于小波变
换等其他方法,采用PCNN进行图像分割完全依赖于图像的自然属性,不用预
先选择处理的空间范围,这是一种更自然的方式。
1.2图像处理概论
应用需要的一种技术。
图像处理可以使用光学方法,也可以使用电子学方法。
图像处理着重强调图像之间进行的交换,图像处理是对图像信息进行一系列加工
6
西北工业大学明德学院本科毕业设计论文
处理,以满足人的视觉心里和实际主要满足对图像进行各种加工以改善图像的视
觉效果并为之后的自动识别奠定基础,或对图像进行压缩编码以减少对所需存储
空间或传输时间,传输通路的要求。
1.2.1图像处理的分类
(1)模拟图像的处理
[1]
模拟图像处理包括
:
光学处理和电子处理,如照相,遥感图像处理,电视
信号处理等。
模拟图像处理的特点是速度快,一般为实时处理,理论上讲可以达
到光速,并可进行并行处理。
电视图像时模拟信号处理的典型例子,它处理的是
活动图像。
模拟图像处理的缺点是精度较差,灵活性差,很难有判断能力和非线
性处理能力。
(2)数字图像处理
数字图像处理一般都用计算机处理或实时硬件处理。
是将连续的模拟图像变
成离散的数字图像后,再建立在特定的物理模型和数学模型的基础上而编制的程
序控制下所进行并实现种种要求的处理。
当前,图像处理总的发展研究趋势是数
字处理为主,因为这种方法有许多优点。
例如:
处理精度高,灰阶多,能进行复
杂的非线性运算,处理非常灵活,功能齐全,使用和保存方便,通用性和重复性
好等。
但是与光信息处理相比,处理速度,图像的容量等受到计算机的限制,处
理设备也较复杂。
光学图像处理方法已有很长的历史,虽然处理速度快,信息容量大,但是除
了精度不高,稳定性差,设备笨重,操作不方便和工艺水平不高等因素限制了它
的发展和应用。
从20世纪60年代开始,随着计算机技术的进步,数字图像处理
技术获得飞速的发展。
数字图像处理的目的之一是为了改善图像的质量,它以人为对象,以改善人
的视觉效果为目的。
输入的是质量较差的图像,输出的是改善后质量好的图像。
常用的图像处理方法有图像增强,图像复原,图像编码,图像压缩等,哈有一类
7
西北工业大学明德学院本科毕业设计论文
图像处理是以机器为对象,处理的目的是使机器或者计算机能自动识别目标。
这
种图像处理方法又称为图像识别。
图像识别系统输入的是改善质量的图像,一般
称为预处理后的图像,输出的是对图像中的目标识别或者分类结果。
图像识别的
过程包含图像预处理,图像分割,特征提取和图像分类。
随着图像处理技术的深
入发展,人们已开始研究如何用计算机系统解释图像,实现类似人类视觉系统理
解外部世界,被称为图像理解和计算机视觉。
1.2.2图像处理的应用
[2]
近几年,随着计算机科学和多媒体技术的迅速发展和普及,数字图像处理技
术受到前所未有的广泛重视,在很多领域都得到了很好的应用与发展。
目前已成
为工程学,计算机科学,信息科学,统计学,物理学,化学,生物学,医学,军
事上的导航与制导和遥感中。
生物医学中的应用是数字图像处理技术应用最广泛,最成熟的学科之一。
其
应用包括:
显微图像处理;DNA显示分析;红白血球分析计数;癌细胞识别;
DSA及其他剪影技术;染色体分析;循环系统的分析判断;X光照片增强,冻
结,伪彩色增强;CT,MRI,射线照相机,正电子和质子CT的应用;生物进化
的图像分析等。
工业中的应用包括;零件,产品无损监测识别;印刷板质量,缺陷的检出;
邮件自动分捡;金相分析;交通管制,机场监控;光弹性场分析;支票,签名,
文件识别及辨伪,密封元器件内部质量检查等。
遥感航天中的应用包括:
军事侦察,定位,引导,指挥的应用;多光谱卫星
图像分析;地形,地图,国土普查;地质矿藏探测;森林资源探查,分类,防火;
水力资源探查,洪水泛滥监测;农业方面如谷物估产,病虫害调查;气象,天气
预报图的合成分析预报;天文,天空星体的探测及分析;交通,空中管理,铁路
选线等。
通信工程主要发展方向是声音,文字,图像和数据结合的多媒体通信。
其中
以图像通信最为复杂和困难,因图像的数据十分巨大,必须采用编码压缩技术来
压缩信息的比特量。
8
西北工业大学明德学院本科毕业设计论文
文化艺术方面应用有电视画面的数字编辑,动画制作,电子图像游戏,服装
设计与制作,发型设计,文物资料照片的复制和修复,运动员动作分析和评分等。
数字图像处理技术也广泛应用于其他领域,如在军事中的巡航导弹地形识别,
在公安邻域中的死亡识别,在通讯邻域的可视电话和电视会议等都发挥着重要的
作用。
1.2.3数字图像处理的优点
再现性好:
数字图像处理与模拟图像处理的根本不同在于,它不会因图像的
存储,传输或者复制等一系列变化操作而导致图像质量的退化。
只要图像在数字
化时准确地表现了原图,则数字图像处理过程始终能保持原图像的再现。
处理精度高:
按目前的技术,可以将一副模拟图像数字化为任意大小的二维
数组,这主要取决于图像数字化设备的能力。
对计算机而言,不论数组大小,也
不论每个像素的位数多少,其处理程序几乎是一样的。
换言之,从原来上讲不论
图像的精度有多高,处理总是能实现的。
适用面宽:
图像可以来自多种信息源,他们可以是可见光图像,也可以是不
可见的波普图像。
从图像反映的客观实体尺度看,可以小到电子显微镜图像,大
到航空照片,遥感图像甚至天文望远镜图像。
这些来自不同信息源的图像只要被
转换成数字编码形式后,均可通过计算机进行处理。
灵活性高:
图像处理大体上可分为图像的像质改善,图像分析和图像重建三
大部分。
由于图像的光学处理从原理上讲只能进行线性运算,这极大地限制了光
学图像处理能实现的目标。
数字图像处理不仅能完成线性运算,而且能实现非线
性处理,即凡是可以用数学公式或者逻辑关系来表达的一切运算,均可用数字图
像处理技术实现。
数字图像处理的应用广泛,优势明显,具有较好的发展前景,而且数字图
像处理又与其他学科之间也存在许多密切联系,是一门应用广泛的交叉学科。
9
西北工业大学明德学院本科毕业设计论文
1.3本文的主要研究工作和组织结构
由于图像分割应用范围广阔,多年来对它的研究一直是数字图像处理的热点,
至今提出的分割算法种类繁多,但是通用的分割理论仍没有实现,这是因为图像
的多样和复杂性导致的。
对于一些特定的分割目标,就可以采用人为干预
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- 基于 PCNN 图像 分割 算法 研究
![提示](https://static.bingdoc.com/images/bang_tan.gif)