基于最大交叉熵的PCNN简化模型在图像分割中的应用

用PCNN作图像分割时,选择不同的模型参数值和停止判决准则,图像分割的差异很大。分别选择最大熵和最大交叉熵作为PCNN图像分割准则,并对PCNN模型进行合理简化。实验结果表明,基于最大交叉熵准则PCNN迭代次数更少,图像分割效果明显优于最大熵准则。     

一种PCNN和边缘检测协同的SAR图像分割算法

针对高分辨率SAR(synthetic aperture radar)图像目标复杂,且具有严重的相干斑噪声,灰度出现剧烈起伏导致目标边缘模糊难以实现精准分割的问题,提出了一种分数阶傅里叶变换(fractional Fourier transform,Fr FT)域中里兹分数导数(Riesz fractional derivative,RFD)边缘检测和脉冲耦合神经网络(pulse coupled neural network,PCNN)协同的高分辨率SAR图像分割算法。该算法首先将原始图像经过边缘检测处理以保留较好的边缘信息,再由PCNN模型进行图像分割,最后通过形态学进一步去除相干斑点。将所提算法应用到不同区域的高分辨SAR图像分割中,实验结果表明该方法能够有效抑制相干斑噪声和灰度边界模糊的影响,获得精准的分割效果。     

一种判决门限自动推荐的脉冲检测方法

在起伏环境中,针对判决门限设置导致的脉冲检测结果不稳定问题,提出一种判决门限自动推荐的脉冲检测方法。通过时域迭代相关法获取待分析数据包络;按类间类内方差比最小准则实现判决门限的自动推荐;根据推荐门限和检验统计量对"真脉冲"实现判决与提取。在仿真条件下,相比噪声方差法,在同一虚警概率和漏报概率下,该方法对判决环境的最低要求降低了4 d B,进一步降低了起伏环境对脉冲检测性能的影响,改善了脉冲检测效果。实测数据处理结果进一步证明了该方法的可行性和有效性。     

多结构元形态学和PCNN的图像凹点检测

脉冲耦合神经网络(PCNN)模拟人眼视觉机制进行凹点检测时,受背景和噪声影响较大,不易检测出有效凹点.提出一种基于多结构元形态学和PCNN改进模型的凹点检测方法.首先利用多结构元形态学边缘检测器抑制背景和噪声影响,保持图像的层次性和主要细节,然后通过PCNN改进模型进行凹点检测,最后选择适当的阈值调整凹点数目.实验结果...     

一种基于自适应阈值与边缘跟踪的目标提取方法

介绍了一种基于目标灰度门限和目标之间灰度距离门限的区域自动阈值检测法,用该方法检测出图像区域的阈值进行目标初分割,然后结合形态学中的开启和闭合方法对初分割后的二值图像进行双滤波,再用一种新的区域边缘跟踪标注法对其进行跟踪和标注,找出每个目标的包络矩形坐标,用其对原图进行区域定位,从而可以提取出原图中包含目标的小区域.     

一种灰度图象中的小目标识别方法

介绍了一种基于目标灰度门限和目标之间灰度距离门限的区域自动阈值检测法,用该方法检测提取出灰度图像中包含目标的小区域。然后利用传统的门限自动选择方法找到合适的门限,利用该门限值对所获目标区域进行二值化以得到目标,然后采用改进不变矩方法提取目标特征并采用优化BP神经网络进行识别。该方法经实验验证,效果较好。     

基于shearlet与PCNN的多聚焦图像融合方法

针对传统脉冲耦合神经网络(PCNN)模型在多聚焦图像融合领域应用中面临的参数繁杂等问题,提出一种基于剪切波(shearlet)变换与改进型PCNN的多聚焦图像融合方法。相比以往的变换域方法,shearlet具有理想的图像信息捕捉性能以及较低的计算复杂度,因此,可利用shearlet将待融合图像进行多尺度多方向分解。其次,对经典PCNN模型加以改进,综合运用清晰度水平以及协调矩阵完成低频子带图像以及一系列高频子带图像的融合过程。最后,运行shearlet反变换得到最终融合图像。仿真实验选取了若干组待融合图像进行仿真,验证了该方法在主、客观评价两方面的优越性。     

基于高速数字逻辑器件的超宽带脉冲设计和应用

在对现有几种典型的超宽带脉冲产生方法分析的基础上, 采用组合高速数字逻辑器件实现了一种简单的产生超宽带纳秒级窄脉冲的电路,并对产生的窄脉冲进行时域叠加合成高阶波形.实验电路测试结果与理论分析和仿真吻合良好.实验表明,该窄脉冲产生电路能得到重复频率100 MHz、幅度达446 mV的窄脉冲.最后,结合UWB调制技术对该发射机的信息传输速率进行了分析.     

卡方分布参数检验的多门限空海目标分类方法

目标高度是空海目标分类的重要特征.机载雷达测高精度不高,特别是对远距离目标的测高精度更差,因而利用机载雷达提供的高度信息进行空海目标分类存在很大的不确定性.为了能有效地利用机载雷达提供的高度信息进行空海目标分类,提出了一种基于卡方分布参数检验的多门限空海目标分类方法.首先,基于假设检验的思想,给出了空海目标分类判别函数,并采用了多门限决策方式;然后,结合统计理论给出了各门限的设置,并对算法进行了仿真;最后,讨论了该方法在实际中的应用.     

复杂自然背景中人造目标的分割研究

在以自然景物为背景的图像中,分形维数特征是一种能有效将人造物体从自然背景中分割出来的一种纹理特征.提出了一种基于Gabor滤波器及差分盒维数的分形纹理特征提取方法,该方法依据不同的滤波器尺度分别采用不同尺寸的滑动窗口来计算分形纹理特征.并利用FCM方法实现了对图像的分割.实验表明该方法能很好地对真实自然背景的图像进行分割,并能由此获得人工目标的轮廓图像.