基于显著性与脉冲耦合神经网络的图像分割

• 作者: 王燕 许宪法
• 来源期刊: 计算机科学
• 学科: 工学
• 关键词: 种子点 显著性 脉冲耦合神经网络 图像分割
• 年，卷（期）: 2018,（7）
• 所属期刊栏目: 图形图像与模式识别
• 页码范围: 259-263
• 页数: 5页
• 分类号: TP183
• 字数: 4898字
• 语种: 中文
• DOI: 10.11896/j.issn.1002-137X.2018.07.045

摘要

针对复杂图像易受背景干扰的问题,提出一种基于显著性与脉冲耦合神经网络(Saliency and Pulse Coupled Neural Network,SPCNN)的图像分割方法.首先,利用显著性检测算法和最大类间方差法获得显著性图以及目标图像,排除了背景对初始种子点选取的干扰;然后,计算出显著性图的质心,并将其作为初始种子点;最后,采用改进的基于区域生长的脉冲耦合神经网络对目标图像进行分割.在Berkeley图像库和Ground truth Database图像库上对SPCNN模型进行了验证.实验结果表明,在一致性系数CC、相似性系数SC、综合指标IC 3个方面,SPCNN模型均优于所对比的PCNN模型、区域生长模型和RG-PCNN模型.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	王燕	兰州理工大学计算机与通信学院	61	433	12.0	17.0
2	许宪法	兰州理工大学计算机与通信学院	2	5	1.0	2.0