[发明专利]一种结合置信传播思想和PCNN的图像分割方法及装置

权利要求书

1.一种结合置信传播思想和PCNN的图像分割方法，其特征在于，包括：

S1，使用PCNN模型对目标图像进行分割，获取所述PCNN模型每次迭代输出的分割结果；其中，当所述PCNN模型中的所有神经元都点火完毕后，完成所有迭代工作；

S2，获取小于或等于所述PCNN模型中迭代总次数的正整数集合，对于所述正整数集合中的每个整数，将前整数次迭代输出的所述分割结果分别进行合并；

S3，使用Otsu算法对各合并结果进行度量，将度量值最大的所述合并结果作为所述目标图像的最终分割结果；

其中，所述步骤S3具体包括：

S31，对于所述正整数集合中的每个整数，分别统计经过前整数次迭代后，所述PCNN模型中点火神经元和未点火神经元对应的目标图像像素的平均值；

S32，分别统计经过前整数次迭代后，所述点火神经元和未点火神经元的数目占所述PCNN模型中所有神经元的比值；

S33，根据所述点火神经元和未点火神经元对应的目标图像像素的平均值，以及所述点火神经元和未点火神经元的数目占所述PCNN模型中所有神经元的比值，使用Otsu算法对每次的合并结果进行度量；

S34，将度量值最大的所述合并结果作为所述目标图像的最终分割结果；

所述步骤S33中使用Otsu算法对每次的合并结果进行度量的公式如下：

V＝(μ_p(m)+μ_q(m))²*ω_p(m)*ω_q(m)；

其中，V为度量值，m为所述正整数集合中的任一整数，μ_p为所述点火神经神经元对应的目标图像像素的平均值，μ_q为所述未点火神经神经元对应的目标图像像素的平均值，ω_p为所述点火神经元的数目占所述PCNN模型中所有神经元的比值，ω_q为所述未点火神经元的数目占所述PCNN模型中所有神经元的比值。

2.根据权利要求1所述的方法，其特征在于，在S1之前还包括：

对目标图像进行正则化和平滑处理中的一种或多种。

3.根据权利要求1所述的方法，其特征在于，S1具体包括：

将PCNN模型每次迭代中点火的神经元作为快速连接模型的输入，根据所述快速连接模型的输出获取每次迭代的分割结果。

4.根据权利要求1-3任一所述的方法，其特征在于，所述PCNN模型中各神经元的输出Y_ij为：

其中，(i，j)为各所述神经元的坐标，n为所述PCNN模型的迭代次数，U为各所述神经元的内部状态，T为各所述神经元的阈值。