本文選題：機器視覺 + 紅外圖像分割��； 參考：《光學(xué)學(xué)報》2017年02期

【摘要】：為了解決復(fù)雜環(huán)境下紅外人體目標(biāo)分割應(yīng)用中當(dāng)前脈沖耦合神經(jīng)網(wǎng)絡(luò)(PCNN)方法常出現(xiàn)的噪聲適應(yīng)性差、目標(biāo)邊緣細(xì)節(jié)模糊等問題,提出了改進(jìn)的PCNN方法。根據(jù)紅外噪聲特點,利用加權(quán)均值濾波和各向異性高斯濾波設(shè)計了模型反饋輸入域的權(quán)值矩陣;采用改進(jìn)的拉普拉斯分量絕對和表示PCNN的連接強度參數(shù),從而實現(xiàn)了該參數(shù)的自適應(yīng)設(shè)置;用點火區(qū)域平均灰度值構(gòu)建動態(tài)閾值的方法,實現(xiàn)了PCNN模型的迭代控制。對IEEE OTCBVS和自拍數(shù)據(jù)庫中的250余幅紅外人體圖像進(jìn)行對比實驗,結(jié)果表明,提出的方法能夠有效抑制紅外噪聲,分割出帶有較多邊緣細(xì)節(jié)的人體目標(biāo),與其他PCNN分割方法相比,該方法還具有較優(yōu)的平均概率蘭德指數(shù)和較低的平均全局一致性誤差。
[Abstract]:In order to solve the problems such as poor noise adaptability and fuzzy edge details in the current impulse coupled neural network (PCN-PCNN) method for infrared human body target segmentation in complex environments, an improved PCNN method is proposed. According to the characteristics of infrared noise, the weighted mean filter and anisotropic Gao Si filter are used to design the weight matrix of the input domain of the model feedback, and the improved Laplace component absolute sum is used to represent the connection strength parameters of the PCNN. The adaptive setting of this parameter is realized, and the iterative control of PCNN model is realized by constructing dynamic threshold with the mean gray value of igniting region. More than 250 infrared human images in IEEE OTCBVS and selfie database are compared with each other. The results show that the proposed method can effectively suppress infrared noise and segment human objects with more edge details than other PCNN segmentation methods. The method also has better average probability Rand exponent and lower average global consistency error.
【作者單位】： 重慶大學(xué)光電技術(shù)及系統(tǒng)教育部重點實驗室;西南大學(xué)電子信息工程學(xué)院;
【基金】：教育部博士點基金(20130191110021) 中央高�；緲I(yè)務(wù)費專項資金(XDJK2013C157)
【分類號】：TP391.41

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 鄒文潔;;基于PCNN神經(jīng)網(wǎng)絡(luò)的圖像去噪算法研究[J];計算機仿真;2008年08期

2 齊永鋒;火元蓮;張家樹;;基于簡化的PCNN與類內(nèi)最小離散度的圖像自動分割方法[J];光電子.激光;2008年09期

3 王念一;馬義德;綻琨;;PCNN理論研究進(jìn)展及其語音識別中的應(yīng)用[J];自動化與儀器儀表;2013年01期

4 鐘亞平;;基于PCNN的手腕骨圖像自動分割方法研究[J];軟件導(dǎo)刊;2013年07期

5 顧曉東,郭仕德,余道衡;一種基于PCNN的圖像去噪新方法[J];電子與信息學(xué)報;2002年10期

6 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;2007年05期

7 火元蓮;;一種基于PCNN的圖像自動分割方法[J];自動化與儀器儀表;2008年06期

8 李敏;蔡騁;談?wù)?;基于修正PCNN的多傳感器圖像融合方法[J];中國圖象圖形學(xué)報;2008年02期

9 劉R，

本文編號：1962110