多尺度PCNN圖像分割算法研究.pdf

1、傳統(tǒng)小波理論提供了一種對信號進行多分辨率表示的方法，無論從理論方面還是實際應用方面都得到了很大的發(fā)展，在圖像處理的各方面都得到廣泛有效的應用。新興的多尺度幾何變換彌補了二維小波自身各向同性且方向選擇性差，對于圖像中的邊緣和紋理等特性無法有效表達的不足之處。圖像分割一直是圖像處理領域研究的熱點問題，如何結合和發(fā)揮多尺度幾何變換的優(yōu)點，提出適合某些領域的有效分割算法，成為近年來研究中關注的問題。 本文首先分析了小波域收縮閾值去噪方法

2、的優(yōu)點及不足，再結合Curvelet變換的特點改進Normal Shrink閾值算法的尺度參數，提出一種改進的自適應閾值降噪方法。實驗結果表明在圖像降噪方面與傳統(tǒng)的小波收縮閾值方法相比不但有更好的視覺效果，而且峰值信噪比值也更高。 本文在分析了離散Contourlet變換，連續(xù)Contourlet變換和無下采樣的Contourlet變換的基本原理的基礎上，結合脈沖耦合神經網絡模型提出了一種圖像分割方法。該方法結合了Contour