基于pcnn的圖像分割的matlab實(shí)現(xiàn)-展示頁
2025-01-25 12:57本頁面
【正文】 )是什么? ]。01 39。 39。 2. %X:輸入的灰度圖像,Edge:檢測到的一些邊界點(diǎn),Numberofaera則表明了在各次迭代時(shí)激活的塊區(qū)域 主程序：PCNN 的這個(gè)生物學(xué)背景使它在圖像處理中具有先天優(yōu)勢,有著與傳統(tǒng)方法進(jìn)行圖像處理所無法比擬的優(yōu)越性。圖像分割是從圖像處理到圖像分析的關(guān)鍵步驟，可以說，圖像分割結(jié)果的好壞直接影響對圖像的理解。許多不同種類的圖像或景物都可作為待分割的圖像數(shù)據(jù)，不同類型的圖像，已經(jīng)有相對應(yīng)的分割方法對其分割，同時(shí)，某些分割方法也只是適合于某些特殊類型的圖像分割。有些算法需要先對圖像進(jìn)行粗分割，因?yàn)樗麄冃枰獜膱D像中提取出來的信息?；赑CNN的圖像分割的matlab實(shí)現(xiàn)圖像分割是一種重要的圖像技術(shù)，在理論研究和實(shí)際應(yīng)用中都得到了人們的廣泛重視。圖像分割的方法和種類有很多，有些分割運(yùn)算可直接應(yīng)用于任何圖像，而另一些只能適用于特殊類別的圖像。例如，可以對圖像的灰度級設(shè)置門限的方法分割。分割結(jié)果的好壞需要根據(jù)具體的場合及要求衡量。脈沖耦合神經(jīng)網(wǎng)絡(luò)( PCNN) 是一種不同于傳統(tǒng)人工神經(jīng)網(wǎng)絡(luò)的新型神經(jīng)網(wǎng)絡(luò),它有著重要的生物學(xué)背景,是由Eckhorn 為解釋在貓的大腦視覺皮層中實(shí)驗(yàn)所觀察到的與特征有關(guān)的神經(jīng)元同步行為現(xiàn)象而提出的。下面的程序是基于PCNN最基本的圖像分割的matlab實(shí)現(xiàn)，分割效果較好。1. function[Edge,Numberofaera]=PCNN(X) 3. clear。4. clc。5. I=imread(39。)。6. [Xa,Ya]=size(I)。7. subplot(1,2,1)。8. imshow(I)。9. %imshow(I)。10. X=double(I)。11. %X=do
環(huán)評公示相關(guān)推薦
鄂ICP備17016276號-1