基于简化PCNN模型的结构光图像自动分割方法

作     者：贾小军 张之江 曾丹 温伟 

作者机构：嘉兴学院数理与信息工程学院浙江嘉兴314001 上海大学特种光纤与光接入网重点实验室上海200072 

出 版 物：《光电子．激光》 (Journal of Optoelectronics·Laser)

年 卷 期：2011年第22卷第3期

页      面：455-460页

核心收录：

学科分类：0808[工学-电气工程] 0809[工学-电子科学与技术（可授工学、理学学位）] 08[工学] 0804[工学-仪器科学与技术] 

基　　金：国家自然科学基金资助项目(60772124) 国家自然科学基金重点资助项目(60832003) 上海市重点学科和科委重点实验室资助项目(S30108 08DZ2231100) 

主　　题：脉冲耦合神经网络(PCNN) 结构光图像 图像分割 最小交叉熵 评价指标 

摘      要：针对CCD获取的结构光图像因大尺寸、光照不均匀,一般分割方法容易产生过分割或欠分割,提出了一种简化的脉冲耦合神经网络(PCNN)分割方法。将结构光图像进行分块,降低光照对分割质量的影响。每块子图像采用改进的PCNN模型自动进行分割。PCNN采用线性方式动态调整脉冲门限,以最小交叉熵确定其迭代次数,并利用邻域像素间的关系自动调整连接系数,减少人工干预。通过主客观评价指标对分割结果进行了比较,结果表明,提出的算法可以有效地分割出结构光图像中的条纹及点阵模式,目标边缘光滑、连贯和清晰,可以用于结构光图像的分割处理。