PCA与PCNN结合的遥感图像分割方法

计算机工程与应用 ›› 2011, Vol. 47 ›› Issue (32): 215-216.

• 图形、图像、模式识别 • 上一篇下一篇

PCA与PCNN结合的遥感图像分割方法

刘瑛1，覃锡忠1，贾振红1，杨杰2，庞韶宁3

1.新疆大学信息科学与工程学院，乌鲁木齐 830046
2.上海交通大学图像处理与模式识别研究所，上海 200240
3.新西兰奥克兰理工大学知识工程与开发研究所，新西兰奥克兰1020

收稿日期:1900-01-01 修回日期:1900-01-01 出版日期:2011-11-11 发布日期:2011-11-11

Segmentation method of remote sensed images based on principal component analysis and pulse coupled neural network

LIU Ying1，QIN Xizhong1，JIA Zhenhong1，YANG Jie2，PANG Shaoning3

1.College of Information Science and Engineering，Xinjiang University，Urumuqi 830046，China
2.Institute of Image Processing and Pattern Recognition，Shanghai Jiaotong University，Shanghai 200240，China
3.Knowledge Engineering and Discovery Research Institute，Auckland University of Technology，Auckland 1020，New Zealand

Received:1900-01-01 Revised:1900-01-01 Online:2011-11-11 Published:2011-11-11

摘要/Abstract

摘要： 提出了一种基于主分量分析（PCA）与脉冲耦合神经网络（PCNN）结合的遥感图像分割方法。通过对图像在每个像素的邻域的基础上进行主分量分析，产生每个图像像素的特征向量，再用PCNN对得到的特征图像进行点火分割。实验结果表明，与传统方法比较，该算法在分割结果、实时性以及稳健性方面具有较强的优越性。

关键词: 脉冲耦合神经网络, 主分量分析, 遥感图像分割

Abstract: A segmentation method of remote sensed images based on principal component analysis and pulse coupled neural network is proposed.It presents principal component analysis on image based on neighborhood unions of per-pixel to obtain the eigenvector of per-pixel，then uses PCNN to set on fire to segment image with feature image.Experimental results have shown that compared with traditional method，the proposed method is stronger superiority in segmentation results、stablity and real time capability.

Key words: pulse coupled neural network, principal component analysis, remote sensed images segmentation

刘瑛1，覃锡忠1，贾振红1，杨杰2，庞韶宁3. PCA与PCNN结合的遥感图像分割方法[J]. 计算机工程与应用, 2011, 47(32): 215-216.

LIU Ying1，QIN Xizhong1，JIA Zhenhong1，YANG Jie2，PANG Shaoning3. Segmentation method of remote sensed images based on principal component analysis and pulse coupled neural network[J]. Computer Engineering and Applications, 2011, 47(32): 215-216.

[1]	李敏，苑贤杰，骆志丹，邱晓华. 基于改进引导滤波与DCPCNN的图像融合方法[J]. 计算机工程与应用, 2019, 55(19): 207-213.
[2]	王烈，罗文，陈俊鸿，秦伟萌. 自适应PCNN与信息提取的红外与可见光图像融合[J]. 计算机工程与应用, 2018, 54(4): 192-198.
[3]	岳大超，甘良志，刘海宽，余南南. 基于SPSO与ISKPCA的RdR散点图识别分类研究[J]. 计算机工程与应用, 2018, 54(23): 120-124.
[4]	丁雪梅，李为相，毛祥宇. 结合PCNN和自适应DGA算法的视网膜血管分割[J]. 计算机工程与应用, 2018, 54(21): 201-207.
[5]	王文涛，罗晓曙，阎晨阳. 基于灰度迭代阈值PCNN的眼底图像血管分割[J]. 计算机工程与应用, 2018, 54(20): 197-201.
[6]	王红梅，付浩. 脉冲耦合神经网络自适应图像融合算法研究[J]. 计算机工程与应用, 2017, 53(7): 177-180.
[7]	魏丽1，丁萌2，3，曾丽娜2，曾丽君1. 激光雷达引导下的红外图像中行人检测[J]. 计算机工程与应用, 2017, 53(23): 197-202.
[8]	杨雪，刘天时，李湘眷. 融合小波变换与改进PCNN的图像增强算法研究[J]. 计算机工程与应用, 2016, 52(8): 163-168.
[9]	宋建辉，甘晶，刘砚菊. 基于PCNN与区域特征的红外与可见光图像融合[J]. 计算机工程与应用, 2016, 52(8): 186-190.
[10]	康永辉，戴激光，王广哲. 改进的自适应模糊ISODATA灰度图像分割算法[J]. 计算机工程与应用, 2016, 52(17): 198-202.
[11]	李美丽. 基于PCNN和果蝇优化算法的自适应图像融合[J]. 计算机工程与应用, 2016, 52(17): 220-224.
[12]	林俊，刘龙，谷兵. 基于PCNN的迷宫路径搜索的评估函数优化研究[J]. 计算机工程与应用, 2016, 52(1): 151-156.
[13]	刘雯敏，陈秀宏. 基于PCNN和非线性滤波万有引力的医学图像融合[J]. 计算机工程与应用, 2014, 50(24): 191-198.
[14]	廖勇1，2，黄文龙3，尚琳4，李鹏3. Shearlet与改进PCNN相结合的图像融合[J]. 计算机工程与应用, 2014, 50(2): 142-146.
[15]	杨新华1，2，翟逸飞1. 基于Tetrolet变换与PCNN的图像增强[J]. 计算机工程与应用, 2014, 50(19): 178-181.

PCA与PCNN结合的遥感图像分割方法

Segmentation method of remote sensed images based on principal component analysis and pulse coupled neural network

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