李建兵， 李　立

(西南交通大学 机械工程学院，四川 成都 610031)



基于PCNN和最大灰度熵图像分量的彩色图像分割*

李建兵， 李立

(西南交通大学 机械工程学院，四川 成都 610031)

为提高彩色图像的分割效果，提出了一种最大灰度熵图像分量和脉冲耦合神经网络(PCNN)相结合的彩色图像分割方法。将彩色图像转换到符合人眼视觉特征的色调饱和度亮度(HSV)颜色空间中，选取灰度熵值最大的分量图像,用PCNN增强以增大感兴趣区域对比度，对增强后的分量图像运用PCNN进行循环分割，当二维Renyi熵值不再大于前一次的值时，终止PCNN的循环分割，获得最佳分割结果。运用多种评价指标对所分割的结果进行评价，评价结果表明：提出的算法能够有效实现对彩色图像的分割，尤其在图像细节方面，比传统的彩色图像分割方法表述得更为清晰。

彩色图像分割； 脉冲耦合神经网络； 灰度熵； 色调饱和度亮度颜色空间

0　引　言

图像分割就是将图像分割成若干个具有特定性质的区域以及提取出感兴趣区域的技术过程，图像分割质量的好坏直接影响图像处理的后续过程。

彩色图像的传统分割方法通常可以分为两类[1]:一类是将彩色图像转换为灰度图像然后利用灰度图像的分割方法进行分割，这种方法简单易于实现、效率也比较高，但彩色图像灰度化容易丢失信息。如，文献[2]中用数学形态学的方法对彩色图像的边缘进行检测来得到其灰度梯度图，再使用迭代的最佳阈值对图像进行分割。……