基于交叉视觉皮质模型的图像快速分割新算法

朱孝政

（海军装备部 陕西 西安 710043）

基于交叉视觉皮质模型的图像快速分割新算法

朱孝政

（海军装备部 陕西 西安 710043）

为了使光学图像分割处理达到实时性标准，本文引入了具有生物学背景的交叉视觉皮质模型用于图像分割。在不降低分割效果的前提下，将交叉视觉皮质模型的阈值衰减函数调整为线性衰减函数，形成了线性衰减阈值－交叉视觉皮质分割新模型；引入了运算简便且抗噪性强的Chi－square散度，采用灰度级－邻域平均灰度级二维直方图将其推广至二维空间，设计了一种新的分割准则以确定模型的参数与循环迭代次数。

图像分割；交叉视觉皮质模型；阈值衰减函数；灰度级－邻域平均灰度级二维直方图；Chi－square散度

图像分割[1－2]是后续图像分析和图像理解的重要基础和关键环节。无论是目标识别、视觉跟踪，还是图像融合、图像压缩编码，都依赖良好的分割技术。随着图像处理技术的迅猛发展，图像分割技术在民用领域中具有重要的应用价值。然而，诸如指纹识别与羊毛细度测量等工程实践对于图像分割的效率有着极为苛刻的要求。传统的方法如最大类间方差法[3－4]，有着较高的处理效率，但是分割结果却不尽人意，尤其是遇到噪声等退化因素的干扰，处理效果往往达不到基本要求。交叉熵阈值法[5－6]尽管分割效果较好，但时间开销大是这类分割算法的突出弊端。

近年，有学者提出了一种新型的人工神经网络模型——交叉视觉皮质模型（Intersecting Cortical Model，ICM）。……