基于修正交叉视觉皮质模型的图像分割方法

doi:10.13190/jbupt.201001.56.213

北京邮电大学学报 ›› 2010, Vol. 33 ›› Issue (1): 56-60.doi: 10.13190/jbupt.201001.56.213

基于修正交叉视觉皮质模型的图像分割方法

牛建伟¹；沈思思¹；童超¹；高小鹏¹；汪孔桥²

(1.北京航空航天大学计算机学院, 北京 100191； 2. 诺基亚中国研究院, 北京 100176)

收稿日期:2009-05-12 修回日期:2009-08-08 出版日期:2010-02-28 发布日期:2010-02-28
通讯作者: 沈思思

A New Image Segmentation Method Based on Modified Intersecting Cortical Model

NIU Jian-wei¹；SHEN Si-si¹；TONG Chao¹；GAO Xiao-peng¹；WANG Kong-qiao²

(1.School of Computer Science and Engineering, Beihang University, Beijing 100191, China; 2.Nokia China Research Center, Beijing 100176, China)

Received:2009-05-12 Revised:2009-08-08 Online:2010-02-28 Published:2010-02-28

摘要/Abstract

摘要：

提出了一种基于修正交叉视觉皮质模型(MICM)的图像自适应分割新方法. 根据待分割图像的自身特性，自适应地设定参数，并以互信息量为目标函数选取最佳分割结果. 该方法解决了针对不同的图像需要人工设定交叉皮质模型(ICM)参数和需要人工选取最佳分割结果的2个问题. 实验结果表明，与通过大量实验获得模型参数的脉冲耦合神经网络(PCNN)基本模型和ICM基本模型相比，MICM与其综合评价函数值相近；与模糊聚类分割算法和最大类间方差(OTSU)算法相比，MICM算法有较明显的视觉优势，并且其综合评价函数值也分别提高了约15%和13%.

关键词: 图像分割, 交叉视觉皮质模型, 自适应, 互信息量

Abstract:

An image segmentation method based on the modified intersecting cortical model (MICM) is proposed to set the MICM parameters adaptively according to the different characteristics of images and choose the optimal segmentation results automatically, which are two main obstacles for the basic intersecting cortical model(ICM) to be used in practice. Experiments show that the comprehensive evaluation value of MICM is close to those of basic pulse coupled neural network(PCNN) and basic intersecting cortical model. Compared with the fuzzy C-means algorithm and OTSU algorithm, MICM is of visually better segmentation and the comprehensive evaluation value of MICM increases by approximately 15% and 13% respectively.

Key words: image segmentation, intersecting cortical model, self-adaptive, mutual information

牛建伟1 ；沈思思1 ；童超1 ；高小鹏1 ；汪孔桥2. 基于修正交叉视觉皮质模型的图像分割方法[J]. 北京邮电大学学报, 2010, 33(1): 56-60.

NIU Jian-wei¹；SHEN Si-si¹；TONG Chao¹；GAO Xiao-peng¹；WANG Kong-qiao². A New Image Segmentation Method Based on Modified Intersecting Cortical Model[J]. JOURNAL OF BEIJING UNIVERSITY OF POSTS AND TELECOM, 2010, 33(1): 56-60.

参考文献

[1] 章毓晋. 图像处理和分析[M]. 北京: 清华大学出版社, 1999: 179-180.
[2] Kinser J M. Image signatures: classification and ontology//Proceedings of the 4th IASTED International Conference on Computer Graphics and Imaging. Hawaii: ACTA Press, 2001: 230-255.
[3] Ekbld U, Kinser J M. Theoretical foundation of the intersecting cortical model and its use for change detection of aircraft, cars and nuclear explosion tests[J]. Signal Processing, 2004, 84(7): 1131-1146.
[4] Ekbld U, Kinser J M, Atmer J, et al. The intersecting cortical model in image processing[J]. Nuclear Instruments and Methods in Physics Research A, 2004, 525(2): 392-396.
[5] Johnson J L, Padgett M I. PCNN models and applications[J]. IEEE Trans on Neural Networks, 1999, 10(3): 480-498.
[6] 马义德, 张红娟. PCNN与灰度形态学相结合的图像去噪方法[J]. 北京邮电大学学报, 2008, 31(2): 108-112. Ma Yide, Zhang Hongjuan. A new image denoising algorithm combined PCNN with gray-scale morphology[J]. Journal of Beijing University of Posts and Telecommunications, 2008, 31(2): 108-112.
[7] Xu Zhiping, Zhong Yiping, Zhang Shiyong. Artificial visual cortical responding model in image semantic processing//Proceedings of ACS/IEEE International Conference on Computer Systems and Applications. Amman: IEEE Computer Science Press, 2007: 722-725.
[8] 徐志平. 基于交叉视觉皮质模型的图像处理关键技术研究. 上海:复旦大学信息科学与工程学院, 2007: 74-78.
[9] 毕英伟, 邱天爽. 一种基于简化PCNN的自适应图像分割方法[J]. 电子学报, 2005, 33(4): 647-650. Bi Yingwei, Qiu Tianshuang. An adaptive image segmentation method based on a simplified PCNN[J]. Acta Electronica Sinica, 2005, 33(4): 647-650.
[10] 卢振泰, 吕庆文, 陈武凡. 基于最大互信息量的图像自动优化分割[J]. 中国图像图形学报, 2008, 13(4): 658-661. Lu Zhentai, Lu Qingwen, Chen Wufan. Unsupervised segmentation of medical image based on maximizing mutual information[J]. Journal of Image and Graphics, 2008, 13(4): 658-661.
[11] 侯格贤, 毕笃彦, 吴成柯. 图像分割质量评价方法研究[J]. 中国图像图形学报, 2000, 5(1): 39-43. Hou Gexian, Bi Duyan, Wu Chengke. Researches on evaluation methods for image segmentation[J]. Journal of Image and Graphics, 2000, 5(1): 39-43.
[12] 郭琦, 孔斌, 郑飞. 图像分割质量评价的综述//中国仪器仪表学会第九届青年学术会议论文集, 北京: , 2007: 613-618.
[13] 刘勍, 马义德, 钱志柏. 一种基于交叉熵的改进型PCNN图像自动分割新方法[J]. 中国图像图形学报, 2005, 10(5): 579-584. Liu Qing, Ma Yide, Qian Zhibai. Automated image segmentation using improved PCNN model based on cross-entropy[J]. Journal of Image and Graphics, 2005, 10(5): 579-584.

[1]	张小乾, 王潇, 薛旭倩, 谈振, 蒲磊. 基于加权多核子空间聚类的图像分割方法[J]. 北京邮电大学学报, 2023, 46(3): 78-83.
[2]	王薇谢沈惟闫浩田张闯吴铭. 基于道路中心线的分阶段弱监督遥感图像道路提取[J]. 北京邮电大学学报, 2023, 46(2): 84-90.
[3]	荣震宇刘建毅. 基于Transformer和MLP的眼底血管分割算法[J]. 北京邮电大学学报, 2023, 46(1): 26-31.
[4]	蒋丽缪家辉郑镐谢正昊赖健鑫. 虚实映射误差条件下数字孪生辅助的无人机网络计算任务卸载及资源自适应优化机制[J]. 北京邮电大学学报, 2022, 45(6): 138-144.
[5]	陈峻磊刘凯俊董辰周虹媛. 一种基于无线网络场景的自适应比特率算法模型[J]. 北京邮电大学学报, 2022, 45(5): 115-120.
[6]	火元莲, 巩琪, 齐永锋, 安娅琦. 基于归一化最小均方算法的自适应核RBFNN[J]. 北京邮电大学学报, 2022, 45(2): 29-35.
[7]	火元莲, 连培君, 齐永锋, 王丹凤. 一种改进的凸组合仿射投影符号算法[J]. 北京邮电大学学报, 2022, 45(1): 102-107.
[8]	李虎, 韦再雪, 程振桥, 杨鸿文. 透镜天线毫米波MIMO系统中基于开关结构的HBF算法[J]. 北京邮电大学学报, 2021, 44(4): 26-33.
[9]	朱军, 许士杰, 李凯. 基于几何分布和差分进化的双模导航选星算法[J]. 北京邮电大学学报, 2021, 44(3): 9-14.
[10]	黎星华, 刘晓平, 王刚, 赵云龙, 李永威. 一种自适应混合滤波姿态解算算法[J]. 北京邮电大学学报, 2021, 44(3): 79-86.
[11]	王睿男, 武穆清, 陈铁英, 李志刚, 孙建. 基于形态学的红外图像边缘检测[J]. 北京邮电大学学报, 2021, 44(1): 66-71.
[12]	邓筱, 徐梦秋, 吴铭, 张闯. 基于语义分割的织锦类自适应风格迁移算法[J]. 北京邮电大学学报, 2021, 44(1): 117-123.
[13]	张天麒, 康波, 孟祥飞, 刘奕琳, 周颖. 基于U-Net的颅内出血识别算法[J]. 北京邮电大学学报, 2020, 43(3): 92-98.
[14]	张金玲, 崔彤, 刘为斌. 基于自适应时间窗函数优化的心电特征波形识别[J]. 北京邮电大学学报, 2019, 42(4): 82-88.
[15]	石乐义, 李剑蓝, 郭宏彬, 马猛飞, 陈鸿龙. 基于深度信念网络的端信息跳变模式自适应策略[J]. 北京邮电大学学报, 2019, 42(3): 64-71.

基于修正交叉视觉皮质模型的图像分割方法

A New Image Segmentation Method Based on Modified Intersecting Cortical Model

PDF

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics

本文评价