共查询到10条相似文献,搜索用时 31 毫秒
1.
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。 相似文献
2.
《现代防御技术》2021,(3)
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。 相似文献
3.
4.
5.
一种基于自适应阈值与边缘跟踪的目标提取方法 总被引:1,自引:0,他引:1
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. 相似文献
6.
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。 相似文献
7.
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。 相似文献
8.
基于高速数字逻辑器件的超宽带脉冲设计和应用 总被引:1,自引:0,他引:1
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. 相似文献
9.