1 深圳大学 信息工程学院, 广东 深圳 518060
2 深圳市媒体信息内容安全重点实验室,广东 深圳 518060
为了解决脉冲耦合神经网络( Pulse Coupled Neural Network, PCNN)在图像分割中多参数设定以及评价准则单一的问题, 提出了一种结合粒子群优化算法(Particle Swarm Optimization, PSO)和综合评价准则的PCNN图像自动分割方法。采用单调递增阈值搜索策略的PCNN改进模型, 将PSO优化原理与由交叉熵参数, 边缘匹配度和噪点控制度共同构成的综合评价相结合, 以综合评价作为粒子的适应度函数, 自动寻优获取PCNN图像分割模型的目标时间常数, 连接系数以及迭代次数n, 从而实现全参数自适应的PCNN图像分割。实验结果表明算法在保证PCNN运行效率下对不同类型图像都能进行正确完整的分割并兼顾纹理细节的保留。从实验数据可以看到, 本文算法在综合评价和通用综合指标上均优于其他对比算法, 综合评价平均优于其他算法10.5%。客观评价结果与视觉主观评价相一致, 分割较理想, 算法具有较高的鲁棒性。
脉冲耦合神经网络 粒子群优化 综合评价 参数自适应 图像分割 Pulse Coupled Neural Network(PCNN) Particle Swarm Optimization(PSO) comprehensive evaluation parameter adaptive image segmentation