基于Unit-Linking PCNN的灰度图像边缘检测

利用Unit-Linking PCNN模型,结合最小交叉熵准则,边缘检测预处理,均匀分块处理,将灰度图像分割成二值刚像,在二值分割图基础上实施unit-Linking PCNN边缘检测.边缘检测预处理以块状增强方式增强了图像对比度,强化r图像边缘;均匀分块处理实现了灰度图像的近似多阈值分割.分析了边缘检测预处理中各步骤的作用,比较了不同均匀分块数目对边缘检测结果的影响.与Canny算子和相关文献结果相比,该研究检测的边缘体现了更丰富的图像细节,且神经元模型参数对图像边缘检测结果的影响较不敏感.仿真结果表明,该方法具有较理想的灰度图像边缘检测结果,具有较好适用性.     

基于Unit-Linking PCNN的灰度图像边缘检测

 利用Unit-Linking PCNN模型,结合最小交叉熵准则,边缘检测预处理,均匀分块处理,将灰度图像分割成二值图像,在二值分割图基础上实施Unit-Linking PCNN边缘检测.边缘检测预处理以块状增强方式增强了图像对比度,强化了图像边缘;均匀分块处理实现了灰度图像的近似多阈值分割.分析了边缘检测预处理中各步骤的作用,比较了不同均匀分块数目对边缘检测结果的影响.与Canny算子和相关文献结果相比,该研究检测的边缘体现了更丰富的图像细节,且神经元模型参数对图像边缘检测结果的影响较不敏感.仿真结果表明,该方法具有较理想的灰度图像边缘检测结果,具有较好适用性.     

一种基于数学形态学的遥感图像边缘检测算法

为有效提取边缘密度大的遥感图像中的边缘信息，提出了一种利用灰度形态变换原理进行检测的有效算法，首先利用开-闭形态滤波器降低输入图像的噪声，然后将二值图像的边缘提取算法推广到灰度图像中加以应用。实验结果证明，此方法优于灰度形态梯度法。同时也优于Canny算子。     

基于数学形态学的图像边缘检测

讨论了图像数学形态学的基本原理及形态学在灰度图像边缘检测中的应用，并成功构造了一种新型形态边缘检测算法，该算法具有较好的抗噪和边缘提取能力．对一幅加有椒盐噪声的灰度图像的仿真试验结果表明，该方法比传统的基于模板的图像边缘检测算法和形态学常用边缘检测算法具有更好的图像边缘提取效果．     

彩色边缘模板算子检测法

将灰度边缘的模块算子扩展到彩色图像的边缘检测,并在均匀彩色空间中检测彩色边缘。这种扩展的彩色边缘检测方法计算简单,能检测出更符合视觉特性的彩色边缘来,实验结果证明了这种方法是有效的。     

基于脉冲耦合神经网络和形态学的边缘检测

阐述了脉冲耦合神经网络(pulse coupled neural network,PCNN)模型的基本工作原理.对于含有噪声的图像,用传统的边缘检测方法不能很好地将图像边缘检测出来.考虑到PCNN在图像分割中的天然优势和数学形态学对图像的膨胀腐蚀作用,采用PCNN和数学形态学相结合的方法对含有噪声图像进行边缘检测.实验结果表明,该算法是有效可行的.     

一种PCNN实现区域检测的图像融合方法

光学设备的有限景深造成同一场景距离不同的目标的成像效果不同,由此便产生了多聚焦图像融合问题.解决该问题的关键在于像素的分类和融合策略的选取.本文结合脉冲耦合神经网络(PCNN)模型和区域分割技术,对该问题进行尝试性研究,探讨了一种新的多聚焦图像融合算法.首先将图像的清晰度矩阵作为PCNN的输入数据,处理后得到原图像的点火映射图,然后基于映射图进行区域分割,最后根据区域分割生成融合图像.实验结果表明,该算法是有效的.     

基于PCNN的人脸图像分割算法研究

研究了基于PCNN的人脸图像分割算法。利用简化型PCNN对人脸图像进行分割,根据人脸图像的灰度特征和空间信息的相关性,得到了人脸图像的神经元点火序列,该点火序列就是图像分割的结果。通过MATLAB仿真实现了该算法,表明该算法具有一定的工程价值。     

基于Clifford代数的多光谱图像边缘检测

为了充分利用多光谱图像不同图层之间的关联性,采用Clifford代数描述多光谱图像.在Clifford代数空间中,定义了多光谱图像的Clifford微分与Clifford梯度.在此基础上,提出了一种新的多光谱图像边缘检测与融合算法.该算法首先计算出各像素点的Clifford梯度,进而得到Clifford梯度范数;然后以此为依据,判断像素点是否为边界点,从而得到多幅边缘检测图像;最后,将这些图像融合,便可得到最终的边缘图像.与基于最大熵的多光谱图像边缘检测算法的比较结果表明,算法由于利用了多光谱图像不同图层之间的关联性,因而可以更好地保留边缘信息,获得更完整的边缘检测效果.     

PCNN图像分割技术进展综述

图像分割是模式识别和计算机视觉中的一个经典问题。近年来出现了很多图像分割新技术,其中基于脉冲耦合神经网络（PCNN）的图像分割技术由于它源于猫的大脑视觉皮层上的同步脉冲发放现象最为引人注目。本文对PCNN图像分割技术进行了全面的介绍。     

一种基于简化PCNN的色盲检测图分割方法

在色盲检测图及脉冲耦合神经网络(pulse-coupled neural networks,简称PCNN)的基础上,提出一种基于简化PCNN模型的色盲检测图分割方法,该方法首先根据欧式距离计算彩色图像色差,通过设定一个合适的阈值,将与红色相似的颜色替换成白色,初步分离图像中的目标与背景,对预处理后的色盲检测图像,用典型的PCNN简化模型对其红色分量进行分割,最后用形态学闭运算优化得到最终的分割结果.实验结果表明,该方法能准确分割出色盲图像中的图形,且简单有效.     

基于改进Sobel算子的多仪表图像边缘检测算法

为了解决Sobel算子在多仪表图像检测中存在的边缘定位精度不高、提取边缘较粗以及对噪声敏感等缺点,提出了一种改进算法。首先在原有水平和垂直模板的基础上新增6个方向模板,提高了边缘定位精度,使其适用于纹理结构复杂的图像。然后根据图像的具体特征自适应确定阈值,有效去除图像的伪边缘。最后结合数学形态学的灰度腐蚀理论,对检测到的边缘进行细化处理。不仅能获得细化效果较好的边缘,同时可以有效的抑制噪声。实验结果表明:改进后的算法对图像噪声干扰有较强的抑制能力,提取的边缘定位准确、结构细腻。     

基于CNN的彩色图像边缘提取方法

根据人眼对R、G和B的敏感特性,提出一种基于视觉感知的矢量角度彩色空间距离度量方法,较传统方法补偿了RGB颜色空间的不均匀性,有效提高了RGB颜色空间内色差度量的精确程度.对基于细胞神经网络(Cellular Neural Network,CNN)进行的彩色图像边缘提取进行理论分析,确定与其功能相适应的最佳模板参数.实验结果表明:该算法不仅实现了彩色图像的边缘提取,同时提取效果更全面,更符合人眼的视觉效果,具有较强的鲁棒性.     

基于PCNN的图像直方图均衡化增强

为了更好地增强图像,提出一种新的图像增强方法.处理分为2个阶段,首先局部增强阶段,利用PCNN模拟空间掩盖效应去除了人眼无法察觉的双边缘,同时在神经元模型中引入侧抑制来模拟Mach带效应,使边缘处灰度差值更大,平滑区域灰度差值更小.其次全局增强阶段,将灰度信息与空间信息耦合到神经元的内部活动项,将阈值设置为局部增强后的图像直方图的累加密度函数,通过比较内部活动项与累加密度函数,得到最终的增强图像.理论与实验均证明了最终图像满足直方图均衡化的要求,不仅对灰度层损失问题免疫,而且直方图近似均衡.     

基于BP神经网络的数字图像边缘检测算法的研究

指出了传统边缘检测算子算法的不足，提出了一种利用基于BP神经网络的数字图像边缘检测算法，即利用传统边缘检测算子检测出来的图像中像素的灰度的不同比例作为学习训练图像，进行神经网络的学习训练，改变神经网络的结构参数得到神经网络的模型参数，最后给出了BP神经网络实现图像边缘检测的实验研究结果。从实现中可发现，将人们关于边缘特征的先验知识包含在内进行数字图像的边缘检测，能够取得比较好的效果。     

Image Edge Detection Based on Oscillation

IntroductionArtificial neural networks can be dividedintotwo classes :rate code neural networks and pulse-based neural networks .Inrate code neural networks the outputs of the neurons arecontinuous , whereas in pulse-based neural networks theneurons emit pulses . Although rate code neural models havebeen well studied, researchers continue to find the evidencerecently that in many cases the brain may accomplishcomputations on pulses(action potential) . Great effort hasbeen devoted towards the a…     

一种基于简化PCNN的红外图像分割方法

提出一种基于简化脉冲耦合神经网络(Pulse Coupled Neural Network,PCNN)的红外图像分割新方法.针对红外航拍图像所具有的噪声大、灰度范围较窄以及具有对比度反转现象等特征,从原始图像与分割图像的相似性出发,采用最大互相关匹配来确定PCNN的最优参数,最终完成图像分割.实验结果验证了该方法的有效性.     

复杂背景图像中彩色人脸的检测

提出了一种在复杂背景的图像中自动检测彩色人脸的方法.该方法首先在YCrCb和HSV色彩空间进行肤色和非肤色的分割,对检测到的肤色像素在CrCb空间中进行聚类,在每一聚类中心应用形态学算子除去一些较小的背景区域,然后进行区域合并形成候选人脸区域.在候选人脸区域内应用重复阈值法得到候选眼睛对,最后采用BP神经网络进行确认.实验结果表明这种方法在复杂背景的图像中检测人脸的正确率为90%.