基于粒子群优化脉冲耦合神经网络的红外图像分割

• 作者: 刘敏 李智彪
• 来源期刊: 激光杂志
• 学科: 工学
• 关键词: 红外图像 仿真实验 神经网络 图像分割
• 年，卷（期）: 2016,（2）
• 所属期刊栏目: 光全息与图像信息处理
• 页码范围: 50-53
• 分类号: TN29
• 语种: 中文
• DOI: 10.14016/j.cnki.jgzz.2016.02.050

摘要

红外图像结构复杂,传统方法难获得理想的分割结果,结合粒子群优化算法和脉冲耦合神经网络的优点,以获得令人满意的红外图像分割结果为目标,提出一种粒子群优化算法和脉冲耦合神经网络的红外图像分割方法(PSO-PCNN).首先收集红外图像,并进行灰度化预处理,提取图像分割的特征,然后采用训练样本对脉冲耦合神经网络的进行学习,并采用粒子群算法优化其训练过程,加快训练速度,最后采用训练好的脉冲耦合神经网络实现红外图像分割,选取大量红外图像进行了分割仿真实验.实验结果表明,PSO-PCNN可以快速地分割红外图像,分割效果要优于传统方法.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	刘敏	南昌大学科学技术学院	43	123	6.0	8.0
2	李智彪		14	52	4.0	6.0