基于SPCNN和最小交叉熵的接触网图像分割方法

    公开(公告)号:CN105989607A

    公开(公告)日:2016-10-05

    申请号:CN201610225998.4

    申请日:2016-04-13

    申请人: 西华大学

    IPC分类号: G06T7/00 G06N3/02

    CPC分类号: G06N3/02 G06T2207/20112

    摘要: 本发明公开了一种基于SPCNN和最小交叉熵的接触网图像分割方法,包括以下步骤:首先对标准脉冲耦合神经网络PCNN(pulse coupled neural network)进行简化,得到简化型脉冲耦合神经网络SPCNN(simplified pulse coupled neural network)模型;接着对SPCNN模型参数进行赋值;再利用最小交叉熵原理确定迭代次数;最后利用SPCNN模型对接触网图像进行二值分割,得到分割后的接触网图像。实验结果表明,本发明方法分割效果好于OTSU法及迭代法,特别是对接触网支柱、绝缘子、杆号牌等零部件的分割,显示出较好的分割效果。衡量图像分割效果指标VOI(Variation of Information)和PRI(Probabilistic Rand Index)也好于OTSU法及迭代法。

    一种基于布谷鸟优化的模糊聚类彩色图像分割方法

    公开(公告)号:CN105976379A

    公开(公告)日:2016-09-28

    申请号:CN201610308585.2

    申请日:2016-05-11

    IPC分类号: G06T7/00 G06K9/62

    CPC分类号: G06K9/6221 G06T2207/20112

    摘要: 本发明公开了一种基于布谷鸟优化的模糊聚类彩色图像分割方法。首先输入待分割的图像,提取该图像的色彩特征;利用布谷鸟算法对模糊聚类算法的聚类中心进行优化;应用改进的模糊聚类算法,在图像的色彩空间中对像素点进行聚类;上述输出的聚类中心,计算隶属度矩阵;根据前述输出的聚类中心和隶属度矩阵对图像的像素进行划分,最终实现图像的分割。本发明选取合适人眼感知的色彩空间HSV,这样有利于提高分割的效果,然后针对传统模糊聚类算法容易陷入局部最优值的缺陷,提出利用布谷鸟算法优化模糊聚类中心的迭代过程,因此提高了聚类算法的运算速度和收敛速度,有效地解决了聚类中心的初始值对聚类算法影响过大的问题,具有良好的聚类效果。