基于Shearlet变换的混合图像分割方法

作     者：余国清 罗可 YU Guo-qing;LUO Ke

作者机构：湖南信息职业技术学院计算机工程学院湖南长沙410200 长沙理工大学计算机与通信工程学院湖南长沙410114 

基　　金：湖南省自然科学基金项目(10JJ9012) 湖南省教育厅科学研究基金项目(14C0272) 

出 版 物：《计算机工程与设计》 (Computer Engineering and Design)

年 卷 期：2017年第38卷第12期

页      码：3385-3389,3395页

摘      要：针对图像分割中普遍存在的过分割和不完全分割问题,提出基于Shearlet变换,综合利用自组织特征映射和脉冲耦合神经网络的混合分割方法。对输入图像进行各向异性滤波,增强图像纹理信息;利用平移不变Shearlet变换对去噪图像进行变换,得到低频子带图像和高频子带图像;从低频子带系数中提取熵和偏度纹理信息,与低频子带系数组成特征向量集,利用自组织特征映射网络进行初步分割;利用改进的脉冲耦合神经网络进一步处理,减少初步分割结果的错分割现象,得到最终的分割图像。遥感图像和医学图像的分割结果表明,与传统分割方法相比,提出方法的分割准确性显著提高,具有更好的抗噪性能。

主 题 词：图像分割 自组织特征映射 脉冲耦合神经网络 Shearlet变换 纹理特征 

学科分类：08[工学] 080203[080203] 0802[工学-机械学] 

D　O　I：10.16208/j.issn1000-7024.2017.12.034

馆 藏 号：203280238...