本文選題：脈沖耦合神經(jīng)網(wǎng)絡(luò)　切入點(diǎn)：遙感圖像分割　出處：《計(jì)算機(jī)仿真》2017年01期 　論文類型：期刊論文

【摘要】：對衛(wèi)星地域遙感圖像進(jìn)行準(zhǔn)確分割,可提高圖像清晰度,保證準(zhǔn)確率。由于在采集遙感圖像過程中容易受到光照、遮擋、距離等周圍環(huán)境的影響,使得目標(biāo)遙感圖像特征模糊。傳統(tǒng)的圖像分割算法,主要通過圖像特征進(jìn)行分割,不能準(zhǔn)確地對遮擋物及光照干擾進(jìn)行去除,導(dǎo)致圖像分割不準(zhǔn)確的問題。提出改進(jìn)粒子群優(yōu)化PSO算法的PCNN遙感圖像分割方法。將改進(jìn)的PSO算法與簡化后PCNN模型融合,利用最大類間方差定義適應(yīng)度函數(shù),為避免出現(xiàn)局部最優(yōu)解,在每次迭代中,選取適應(yīng)度較好的粒子同時(shí)加入新的粒子,提高粒子多樣性,完成模型最優(yōu)參數(shù)的設(shè)置和對遙感圖像的分割。仿真結(jié)果表明,與人工設(shè)定PCNN參數(shù)方法和未改進(jìn)的PSO算法相比,結(jié)合改進(jìn)的粒子群優(yōu)化算法不僅加快了收斂速度和運(yùn)算速度,而且提高了圖像分割準(zhǔn)確率。
[Abstract]:The accurate segmentation of satellite remote sensing image can improve the clarity of the image and ensure the accuracy. Because the remote sensing image is easy to be affected by the surrounding environment such as illumination, occlusion, distance and so on in the process of collecting remote sensing image, The traditional image segmentation algorithm, mainly through image feature segmentation, can not accurately remove the occlusion and illumination interference. This paper presents an improved particle swarm optimization (PSO) algorithm for PCNN remote sensing image segmentation, which combines the improved PSO algorithm with the simplified PCNN model, and defines the fitness function by using the maximum inter-class variance. In order to avoid the occurrence of the local optimal solution, in each iteration, new particles with good fitness are selected, which can improve the diversity of the particles, set the optimal parameters of the model and segment the remote sensing image. Compared with the artificial PCNN parameter setting method and the unimproved PSO algorithm, the improved particle swarm optimization algorithm not only speeds up the convergence and operation speed, but also improves the accuracy of image segmentation.
【作者單位】： 遼寧工程技術(shù)大學(xué)電子與信息工程學(xué)院;遼寧省數(shù)字化礦山裝備工程技術(shù)研究中心;
【基金】：國家自然科學(xué)基金資助項(xiàng)目(61172144) 國家科技支撐計(jì)劃項(xiàng)目(2013BAH12F02) 遼寧省教育廳科學(xué)研究一般項(xiàng)目(L2015225)
【分類號】：TP751

【參考文獻(xiàn)】

相關(guān)期刊論文 前10條

1 蘇靜;楊武俊;;基于BP神經(jīng)網(wǎng)絡(luò)圖像分割算法研究[J];工業(yè)控制計(jì)算機(jī);2015年12期

2 唐昌華;莊慶華;;夜視環(huán)境下的雷達(dá)遙感圖像的小特征分割仿真[J];計(jì)算機(jī)仿真;2015年12期

3 廖夢怡;劉建芳;;遠(yuǎn)程衛(wèi)星遙感圖像的三維視覺重建模型仿真[J];計(jì)算機(jī)仿真;2015年07期

4 張正;李青;;一種改進(jìn)的脈沖耦合神經(jīng)網(wǎng)絡(luò)圖像分割方法[J];軟件導(dǎo)刊;2015年04期

5 潘改;;改進(jìn)的PCNN用于遙感圖像分割[J];小型微型計(jì)算機(jī)系統(tǒng);2015年04期

6 馬彩虹;戴芹;劉士彬;;一種融合PSO和Isodata的遙感圖像分割新方法[J];武漢大學(xué)學(xué)報(bào)(信息科學(xué)版);2012年01期

7 劉瑛;覃錫忠;賈振紅;楊杰;龐韶寧;;PCA與PCNN結(jié)合的遙感圖像分割方法[J];計(jì)算機(jī)工程與應(yīng)用;2011年32期

8 許新征;丁世飛;史忠植;賈偉寬;;圖像分割的新理論和新方法[J];電子學(xué)報(bào);2010年S1期

9 于江波;陳后金;王巍;李居朋;;脈沖耦合神經(jīng)網(wǎng)絡(luò)在圖像處理中的參數(shù)確定[J];電子學(xué)報(bào);2008年01期

10 趙峙江;趙春暉;張志宏;;一種新的PCNN模型參數(shù)估算方法[J];電子學(xué)報(bào);2007年05期

【共引文獻(xiàn)】

相關(guān)期刊論文 前10條

1 彭晏飛;周娟;訾玲玲;;于衛(wèi)星地域遙感圖像分割方法研究仿真[J];計(jì)算機(jī)仿真;2017年01期

2 陳舒;陳若寒;;腫瘤癌變細(xì)胞FISH圖像分析系統(tǒng)的研究[J];微型機(jī)與應(yīng)用;2017年01期

3 凌濱;鄧艷;于士博;;CUDA并行加速的稀疏PCNN運(yùn)動目標(biāo)檢測算法[J];計(jì)算機(jī)工程與設(shè)計(jì);2016年12期

4 程亮;;多幀影視圖像真實(shí)性建模優(yōu)化研究仿真[J];計(jì)算機(jī)仿真;2016年12期

5 崔波;王崴;瞿玨;王超;;自適應(yīng)顯示界面的三維交互圖像仿真分析[J];計(jì)算機(jī)仿真;2016年12期

6 王星;宗凱;;基于局部熵的圖像分割算法研究與實(shí)現(xiàn)[J];電子測量技術(shù);2016年12期

7 汪彥;楊格蘭;何建新;;基于改進(jìn)KFCM聚類的圖像分割算法[J];控制工程;2016年11期

8 卜琰;朱世強(qiáng);王志;郭振民;;基于改進(jìn)形狀上下文特征的工件識別與定位[J];機(jī)械工程與自動化;2016年06期

9 趙雪梅;李玉;趙泉華;;參數(shù)自適應(yīng)的可變類FLICM灰度圖像分割算法[J];控制與決策;2017年02期

10 董薇;;紫金山地區(qū)盜伐立木三維圖像特征的遠(yuǎn)程可視化研究[J];科技通報(bào);2016年10期

【二級參考文獻(xiàn)】

相關(guān)期刊論文 前10條

1 廉文武;;基于中位分割碎片合并的特征挖掘云平臺設(shè)計(jì)[J];科技通報(bào);2014年06期

2 陳愛軍;;大幅面衛(wèi)星遙感圖像中橋梁識別算法[J];計(jì)算機(jī)仿真;2014年06期

3 范乃梅;張娜;;基于參數(shù)物理差優(yōu)化的三維地圖重建算法研究[J];科技通報(bào);2013年02期

4 曹建農(nóng);;圖像分割的熵方法綜述[J];模式識別與人工智能;2012年06期

5 劉君;武和雷;;基于MRI數(shù)據(jù)的真實(shí)頭有限元模型構(gòu)造方法[J];南昌航空大學(xué)學(xué)報(bào)(自然科學(xué)版);2012年03期

6 殷亮;高昆;白廷柱;;基于改進(jìn)Otsu法的遙感圖像油罐目標(biāo)分割研究[J];光學(xué)技術(shù);2012年02期

7 劉瑛;覃錫忠;賈振紅;楊杰;龐韶寧;;PCA與PCNN結(jié)合的遙感圖像分割方法[J];計(jì)算機(jī)工程與應(yīng)用;2011年32期

8 張勁;王勝權(quán);劉小旭;;計(jì)算機(jī)視覺及其應(yīng)用[J];科技致富向?qū)?2011年23期

9 周長英;;基于改進(jìn)的模糊BP神經(jīng)網(wǎng)絡(luò)圖像分割算法[J];計(jì)算機(jī)仿真;2011年04期

10 張?jiān)虑?胡斌;;基于遺傳神經(jīng)網(wǎng)絡(luò)的圖像分割[J];電腦開發(fā)與應(yīng)用;2011年02期

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 李偉;;遙感圖像中的道路提取[J];自動化博覽;2006年05期

2 李傳龍;李穎;馬龍;;一種新的遙感圖像海岸線檢測方法[J];計(jì)算機(jī)仿真;2010年08期

3 張學(xué)良;肖鵬峰;馮學(xué)智;;基于圖像內(nèi)容層次表征的遙感圖像分割方法[J];中國圖象圖形學(xué)報(bào);2012年01期

4 秦其明;遙感圖像自動解譯面臨的問題與解決的途徑[J];測繪科學(xué);2000年02期

5 陳小琪;現(xiàn)代計(jì)算機(jī)印前制版技術(shù)在遙感圖像印制中的應(yīng)用研究——以《長江經(jīng)濟(jì)帶可持續(xù)發(fā)展地圖集》為例[J];地球信息科學(xué);2000年02期

6 鄧湘金,彭海良;一種基于遙感圖像的機(jī)場檢測方法[J];測試技術(shù)學(xué)報(bào);2002年02期

7 余杰千,方濤,陳雍業(yè);一種有效的遙感圖像無縫分割方法[J];計(jì)算機(jī)應(yīng)用;2003年12期

8 吳為祿;遙感圖像中的云層消除處理[J];鐵路航測;2003年01期

9 于輝,徐軍;彩色遙感圖像目標(biāo)提取方法研究[J];遙感技術(shù)與應(yīng)用;2003年06期

10 黃勇杰,王樹國,劉俊義,陳東;遙感圖像去云算法研究[J];儀器儀表學(xué)報(bào);2003年S2期

相關(guān)會議論文 前10條

1 張鳳春;董增壽;劉明君;;基于局部方差均衡的遙感圖像增強(qiáng)方法[A];第六屆全國信息獲取與處理學(xué)術(shù)會議論文集（2）[C];2008年

2 鄧冰;林宗堅(jiān);彭曉東;;遙感圖像信息度量的原理與方法[A];《測繪通報(bào)》測繪科學(xué)前沿技術(shù)論壇摘要集[C];2008年

3 江興方;江鴻;何賢強(qiáng);;遙感圖像兩種半自動拼接方法的研究[A];全國農(nóng)業(yè)遙感技術(shù)研討會論文集[C];2009年

4 羅睿;張永生;范永弘;鄧雪清;;遙感圖像基于內(nèi)容查詢的研究與實(shí)踐[A];第十三屆全國遙感技術(shù)學(xué)術(shù)交流會論文摘要集[C];2001年

5 陳東;龐怡杰;黃勇杰;;大傾斜航空遙感圖像快速自動鑲嵌技術(shù)[A];圖像 仿真 信息技術(shù)——第二屆聯(lián)合學(xué)術(shù)會議論文集[C];2002年

6 黃勇杰;王樹國;劉俊義;陳東;;遙感圖像去云算法研究[A];首屆信息獲取與處理學(xué)術(shù)會議論文集[C];2003年

7 謝建春;趙榮椿;;遙感圖像中的軍用機(jī)場識別算法研究[A];信號與信息處理技術(shù)第三屆信號與信息處理全國聯(lián)合學(xué)術(shù)會議論文集[C];2004年

8 陳姚;王金亮;李石華;;遙感圖像中云層遮擋影響消除處理方法研究述評[A];第十五屆全國遙感技術(shù)學(xué)術(shù)交流會論文摘要集[C];2005年

9 張磊;朱磊;;遙感圖像中直線目標(biāo)的檢測[A];第十五屆全國遙感技術(shù)學(xué)術(shù)交流會論文摘要集[C];2005年

10 邱磊;李國輝;衡祥安;;一種基于交互學(xué)習(xí)的遙感圖像挖掘方法[A];第一屆建立和諧人機(jī)環(huán)境聯(lián)合學(xué)術(shù)會議（HHME2005）論文集[C];2005年

相關(guān)重要報(bào)紙文章 前5條

1 蔣建科邋孫宏金 陳樹琛;傳回清晰遙感圖像[N];人民日報(bào);2008年

2 記者 鄭千里;北京地區(qū)有了航空遙感圖像[N];科技日報(bào);2000年

3 本報(bào)通訊員;煤航遙感院獲美國快鳥遙感圖像西部代理權(quán)[N];中煤地質(zhì)報(bào);2005年

4 王石;印度通過“快鳥”影像發(fā)現(xiàn)古墓地[N];中國測繪報(bào);2010年

5 記者 馬彥平 張桂敏;澳大利亞鉀礦鉆探啟動[N];農(nóng)資導(dǎo)報(bào);2011年

相關(guān)博士學(xué)位論文 前10條

1 朱光;基于遙感圖像的交通道路目標(biāo)識別方法研究[D];吉林大學(xué);2015年

2 祁友杰;基于SoC技術(shù)的遙感圖像快速匹配方法研究[D];東南大學(xué);2016年

3 江興方;遙感圖像去云方法的研究及其應(yīng)用[D];南京理工大學(xué);2007年

4 滕鑫鵬;遙感圖像道路提取研究[D];江蘇大學(xué);2014年

5 劉春紅;超光譜遙感圖像降維及分類方法研究[D];哈爾濱工程大學(xué);2005年

6 劉哲;基于信息融合的遙感圖像處理方法研究[D];西北工業(yè)大學(xué);2002年

7 強(qiáng)贊霞;遙感圖像的融合及應(yīng)用[D];華中科技大學(xué);2005年

8 杜根遠(yuǎn);海量遙感圖像內(nèi)容檢索關(guān)鍵技術(shù)研究[D];成都理工大學(xué);2011年

9 陶午沙;基于結(jié)構(gòu)模型的遙感圖像軍事陣地目標(biāo)特征分析及其識別技術(shù)研究[D];國防科學(xué)技術(shù)大學(xué);2004年

10 林劍;基于模糊理論的遙感圖像分割方法研究[D];中南大學(xué);2003年

相關(guān)碩士學(xué)位論文 前10條

1 邱磊;基于內(nèi)容的遙感圖像挖掘方法研究[D];國防科學(xué)技術(shù)大學(xué);2005年

2 陳浩;高分辨遙感圖像災(zāi)區(qū)建筑檢測[D];南京理工大學(xué);2015年

3 朱然;大數(shù)據(jù)量復(fù)雜背景下橋梁水壩目標(biāo)快速識別[D];電子科技大學(xué);2015年

4 王靜靜;基于NSCT和Shearlet變換的遙感圖像增強(qiáng)研究[D];新疆大學(xué);2014年

5 柴宏磊;基于知識的遙感圖像港口目標(biāo)識別[D];電子科技大學(xué);2015年

6 馮一鳴;基于遙感圖像中港口目標(biāo)的分割算法研究與實(shí)現(xiàn)[D];西安電子科技大學(xué);2014年

7 吳云坤;遙感圖像變化檢測技術(shù)研究[D];國防科學(xué)技術(shù)大學(xué);2013年

8 王旭;無參考遙感圖像質(zhì)量綜合評價(jià)算法研究[D];西安電子科技大學(xué);2015年

9 宋玉梅;基于遙感圖像的內(nèi)河航道識別研究[D];重慶交通大學(xué);2015年

10 張少輝;基于刃邊法的遙感圖像重建方法研究[D];西安電子科技大學(xué);2014年

，

本文編號：1627909