- 标题
- 摘要
- 关键词
- 实验方案
- 产品
-
一种基于双层脉冲耦合神经网络模型的猕猴桃检测图像分割算法
摘要： 针对光照变化和复杂背景下猕猴桃检测的通用精准图像分割算法，已成为机器视觉研究中最具挑战性的问题之一。本研究提出一种基于双层脉冲耦合神经网络（PCNN）模型的鲁棒分割算法：首先构建融合图像频域调谐显著性的改进型PCNN作为基础架构；其次在第一层双层PCNN中确定RGB色彩模式下猕猴桃图像的最优色差信息；随后通过全变分模型将增强色调特征与这些最优色差特征融合；最后利用双层PCNN的第二层重分割构建目标区域。实验结果表明，该算法在主观视觉效果和客观量化评估方面均显著优于现有典型算法。
关键词： 猕猴桃识别、脉冲耦合神经网络、频率调谐显著性、全变分模型、图像分割
更新于2025-09-19 17:13:59
-
[美国计算机协会（ACM）2019年国际会议 - 中国湖北武汉（2019.07.12-2019.07.13）] 《2019年人工智能与计算机科学国际会议论文集 - AICS 2019》 《基于低秩表示与简化双通道脉冲耦合神经网络的新型红外与可见光图像融合方法》
摘要： 本文提出一种基于低秩表示(LRR)、全变分(TV)模型和简化双通道脉冲耦合神经网络(S-DPCNN)的红外与可见光图像新型融合方案，能有效提取主要显著信息，解决了现有融合方法中对比度低导致的边缘模糊、异质性和信息冗余等问题。该方法首先采用频调低秩表示(FT-LRR)算法提取红外图像特征以分离显著区域与背景；对显著区域采用最大值选择规则最大限度保留源图像重要信息；对背景则通过非下采样剪切波变换(NSST)分解为低通系数和高通系数系列，其中低通系数采用TV模型融合，高通系数通过改进平均梯度(MAG)激励S-DPCNN进行融合，经逆NSST获得融合背景；最终将融合后的显著区域与背景叠加生成鲁棒融合图像。大量实验结果与评价指标表明，该框架具有优异的视觉效果，在主观与客观评价上均显著优于现有先进方法。
关键词： 图像融合、脉冲耦合神经网络、全变分模型、低秩表示
更新于2025-09-16 10:30:52