一种简化PCNN模型在彩色图像边缘检测上的应用

doi:10.3969/j.issn.1001-2400.2012.06.001

J4 ›› 2012, Vol. 39 ›› Issue (6): 1-9.doi: 10.3969/j.issn.1001-2400.2012.06.001

• 研究论文 • 下一篇

一种简化PCNN模型在彩色图像边缘检测上的应用

邵晓鹏;钟宬;王杨;黄远辉

(西安电子科技大学技术物理学院，陕西西安 710071)

收稿日期:2011-07-18 出版日期:2012-12-20 发布日期:2013-01-17
通讯作者: 邵晓鹏
作者简介:邵晓鹏(1973-)，男，教授，博士，E-mail: xpshao@xidian.edu.cn．
基金资助:
国家部委预研基金资助项目(9140A0106110DZ0125);中央高校基本科研业务费资助项目(JY10000905012)

Application of a simplified PCNN model in color image edge detection

SHAO Xiaopeng;ZHONG Cheng;WANG Yang;HUANG Yuanhui

(School of Technical Physics, Xidian Univ., Xi'an 710071， China)

Received:2011-07-18 Online:2012-12-20 Published:2013-01-17
Contact: SHAO Xiaopeng

摘要/Abstract

摘要：

提出了一种改进的彩色图像边缘检测方法来克服传统方法不考虑色度信息及噪声影响而产生漏检、错检边缘的不足．通过提取图像的颜色主轴来综合表示图像的亮度和色度信息，并将彩色图像降维成包含色度信息的灰度图像用以检测; 为了降低噪声对检测结果的影响，采用脉冲耦合神经网络(PCNN)模型．由于PCNN模型中的参数过多，不利于控制，故使用简化的PCNN模型来减少参数，达到比较好的控制．实验表明，这种基于颜色主轴的PCNN彩色图像边缘检测方法不仅能准确得到彩色图像的边缘信息，而且对噪声有很强的抑制作用．

关键词: 边缘检测, 图像处理, 颜色主轴, 脉冲耦合神经网络

Abstract:

An improved color image edge detection method is proposed to overcome the defects of miss-detection and false-detection in traditional methods which are caused by thinking little of chroma information and the influence of noise. This paper exploits the color principal axis to represent both the luminance and the chroma information so that the color image can be converted into a pseudo gray image where color information is contained. Besides, we apply the Pulse Coupled Neural Networks (PCNN) model to reduce the influence of noise. Since we expect fewer arguments in the PCNN model to make our adjusting easier, a simplified version of PCNN is used to solve this problem. Experiment proves that this method which takes advantage of both PCNN model and color principal axis method can help us obtain the exact edge of the color image while the bad influence of noise is significantly suppressed.

Key words: edge detection, image processing, color principal axis, pulse coupled neural networks (PCNN) algorithm

中图分类号:

TN911.73

邵晓鹏;钟宬;王杨;黄远辉. 一种简化PCNN模型在彩色图像边缘检测上的应用[J]. J4, 2012, 39(6): 1-9.

SHAO Xiaopeng;ZHONG Cheng;WANG Yang;HUANG Yuanhui. Application of a simplified PCNN model in color image edge detection[J]. J4, 2012, 39(6): 1-9.

参考文献

［1］ Eckhorn R, Reitboeck H J, Arndt M, et al. Feature Linking Via Synchronization among Distributed Assemblies: Simulation of Results from Cat Cortex［J］. Neural Computation,1990, 2(3): 293-307.
［2］ Guo Dong, Ming Xie. Color Clustering and Learning for Image Segmentation Based on Neural Networks［J］. IEEE Trans on Neural Networks, 2005, 16(4): 925-936.
［3］ Zheng Youyi, Rao Jilai, Wu Lei. Edge Detection Methods in Digital Image Processing［C］//Computer Science and Education (ICCSE). Hefei: IEEE, 2010: 471-473.
［4］ Gao Wenshuo, Zhuang Xiaoguang, Yang Lei, et al. An Improved Sobel Edge Detection［C］//Computer Science and Information Technology (ICCSIT). Chengdu: IEEE, 2010: 67-71.
［5］刘上乾, 李赤卫, 裴继红. 彩图快速分割［J］.西安电子科技大学学报,1992,19(2):28-32.
Liu Shangqian, Li Chiwei, Pei Jihong. A Fast and Effective Method of Color Image Segmentation［J］. Journal of Xidian University, 1992, 19(2): 28-32.
［6］ Johnson J L, Padgett M L. PCNN Models and Applications［J］. IEEE Trans on Neural Networks, 1999, 10(3): 480-498.
［7］ Gu Xiaodong, Guo Shide, Yu Daoheng. A New Approach for Automated Image Segmentation Based on Unit-Linking PCNN［C］//Proc of the First International Conference on Machine Learning and Cybernetics. Beijing: IEEE, 2002: 175-178.
［8］邓成锦. 脉冲耦合神经网络在图像分割中的应用研究［D］. 云南: 云南大学, 2010.
［9］顾晓东, 余道横. PCNN的原理及其应用［J］.电路与系统学报, 2001, 6(3): 45-50.
Gu Xiaodong, Yu Daoheng. PCNN's Principles and Applications［J］. Journal of Circuits and Systems, 2001, 6(3): 45-50.
［10］杨智勇, 周琪云, 周定康. 基于PCNN的灰度图像边缘检测方法［J］. 计算机工程与应用, 2004, 21: 92-93.
Yang Zhiyong, Zhou Qiyun, Zhou Dingkang. Gray Image Edge Detection Method Based on PCNN［J］. Computer Engineering and Applications, 2004, 21: 92-93.
［11］杜亚勤, 洪波, 郭雷, 等. 一种曲面拟合图像边缘特征提取算法［J］. 西安电子科技大学学报, 2011, 38(3): 164-168.
Du Yaqin, Hong Bo, Guo Lei, et al. Novel Curve Fitting Edge Feature Extraction Algorithm［J］. Journal of Xidian University, 2011, 38(3): 164-168.
［12］刘勍, 许录平, 马义德, 等. 一种超模糊熵ULPCNN图像自动分割新方法［J］. 西安电子科技大学学报, 2010, 37(5): 817-824.
Liu Qing, Xu Luping, Ma Yide, et al. Automated Image Segmentation Using the ULPCNN Model with Ultra-fuzzy Entropy［J］. Journal of Xidian University, 2010, 37(5): 817-824.
［13］郎方年, 周激流, 闫斌, 等. 四元数与彩色图像边缘检测［J］. 计算机科学, 2007, 34(11): 212-216.
Lang Fangnian, Zhou Jiliu, Yan Bin. Quaternion and Color Image Edge Detection［J］. Computer Science, 2007, 34(11): 212-216.

[1]	韩永赛,马时平,何林远,李承昊,朱明明,张飞. 改进YOLOv3的快速遥感机场区域目标检测[J]. 西安电子科技大学学报, 2021, 48(5): 156-166.
[2]	孙正阳,董玫,陈伯孝. 时频分析联合带通滤波抑制间歇采样转发干扰[J]. 西安电子科技大学学报, 2021, 48(2): 139-146.
[3]	成天佑,林艳萍,马晓军. 一种视触觉引导的超声探头自动定位方法[J]. 西安电子科技大学学报, 2020, 47(1): 80-87.
[4]	汪梓艺,苏育挺,刘艳艳,张为. 一种改进DeeplabV3网络的烟雾分割算法[J]. 西安电子科技大学学报, 2019, 46(6): 52-59.
[5]	张锦涛,雷杰,吴凌云,黄碧莹,李云松. 一种改进的高光谱端元提取算法及其FPGA实现[J]. 西安电子科技大学学报, 2019, 46(4): 22-27.
[6]	朱苏雅,杜建超,李云松,汪小鹏. 采用U-Net卷积网络的桥梁裂缝检测方法[J]. 西安电子科技大学学报, 2019, 46(4): 35-42.
[7]	赖睿,官俊涛,徐昆然,熊皑,杨银堂. 级联残差学习的红外图像非均匀性校正方法[J]. 西安电子科技大学学报, 2019, 46(1): 14-19.
[8]	郭松鸽;吕东辉;任艳丽. 一种改进的(k, n)标记视觉密码方案[J]. 西安电子科技大学学报, 2018, 45(5): 170-176+183.
[9]	黄勇;刘芳. 场景语义SAR图像桥梁检测算法[J]. 西安电子科技大学学报, 2018, 45(4): 40-44.
[10]	胡妍;王柯俨;许宁;李云松;张闪闪. 利用分割中值滤波和透射率补偿的图像去雾[J]. 西安电子科技大学学报, 2018, 45(4): 99-105.
[11]	王世平;毕笃彦;刘坤;何林远. 一种多映射卷积神经网络的超分辨率重建算法[J]. 西安电子科技大学学报, 2018, 45(4): 155-160.
[12]	冯玉颖;王俊平;马塾亮;李超;伍尧. COPLIP新模型及其图像增强新算法[J]. 西安电子科技大学学报, 2018, 45(1): 66-71.
[13]	倪洁;王俊平;杨国钰;伍尧;马塾亮. 一种柔性形态学参数对称对数图像处理新算法[J]. 西安电子科技大学学报, 2017, 44(5): 25-31+45.
[14]	孔繁锵;卞陈鼎;李云松;郭文骏. 非凸稀疏低秩约束的高光谱解混方法[J]. 西安电子科技大学学报, 2016, 43(6): 116-121.
[15]	葛川;刘琚;元辉;肖依凡;李凤荣;. 一种深度图的时域下采样编码及重建方法[J]. 西安电子科技大学学报, 2016, 43(4): 160-165+171.

一种简化PCNN模型在彩色图像边缘检测上的应用

Application of a simplified PCNN model in color image edge detection

PDF (PC)

赞

可视化

被引次数

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

Metrics

本文评价

推荐阅读 0