振荡神经网络在色图像球空间中的算法研究.pdfVIP

摘要 图像分割作为图像处理、模式识别乃至人工智能的第一个基本步骤是计算机视 觉的基础。为了让计算机理解图像含义，首先必须将图像中的物体分离出来，然后 分析它们之间的相互关系。神经网络成功的表述图像目标并成功应用于灰度图像分 割为彩色图像分割提供了一种新的实现途径。 彩色信息的在球空间中的表示方法通过将 RGB 映射和转换到球空间坐标系下， 生成高目标区分度的灰度图像，使神经网络能够应用于彩色图像分割中。 本文分析了动态耦合振荡神经网络（Dynamically Coupled Neural Oscillator Network ，以下简称DCNON ）的数学模型和工作原理，以及在实际应用中的不足， 根据振荡神经网络的动力学特点，借鉴机械波传播模型，提出一种基于耦合势能衍 射检测的改进 DCNON 分割算法；进一步将该改进算法与彩色图像球空间表示方法 结合提出一种基于改进振荡神经网络的混合彩色图像分割方法；该方法首先将彩色 图像从RGB 的三维笛卡尔空间转换到球坐标空间，去除由光照和纹理引起的背景噪 声，构成平滑的角度灰度图，将角度灰度图映射到动态耦合振荡神经网络的二维平 面上，利用改进结构的算法对相位灰度图