为了简单有效地提取图像重要特征信息,从而更好地提高检索图像的精度,提出了一种基于脉冲耦合神经网络(Pulse coupled neural networks,PCNN)的图像归一化转动惯量(Normalized moment of inertia,NMI)特征提取及检索算法.首先利用改进简...为了简单有效地提取图像重要特征信息,从而更好地提高检索图像的精度,提出了一种基于脉冲耦合神经网络(Pulse coupled neural networks,PCNN)的图像归一化转动惯量(Normalized moment of inertia,NMI)特征提取及检索算法.首先利用改进简化PCNN模型相似神经元同步时空特性及指数衰降机制将图像分解为具有相关性的二值系列图像,然后提取反映原始图像目标形状、结构分布二值系列图像的一维NMI特征矢量信号,并将其应用在图像检索中;同时,考虑到二值系列图像间的相关性及不同图像间NMI序列值的差异性,引入了马氏距离结合Pearson积矩相关法的综合相似性度量方法.实验结果表明,所提算法对图像特征矢量序列具有良好抗几何畸变不变特性及对图像表述的唯一性,且具有较好的图像检索效果.展开更多
文摘为了简单有效地提取图像重要特征信息,从而更好地提高检索图像的精度,提出了一种基于脉冲耦合神经网络(Pulse coupled neural networks,PCNN)的图像归一化转动惯量(Normalized moment of inertia,NMI)特征提取及检索算法.首先利用改进简化PCNN模型相似神经元同步时空特性及指数衰降机制将图像分解为具有相关性的二值系列图像,然后提取反映原始图像目标形状、结构分布二值系列图像的一维NMI特征矢量信号,并将其应用在图像检索中;同时,考虑到二值系列图像间的相关性及不同图像间NMI序列值的差异性,引入了马氏距离结合Pearson积矩相关法的综合相似性度量方法.实验结果表明,所提算法对图像特征矢量序列具有良好抗几何畸变不变特性及对图像表述的唯一性,且具有较好的图像检索效果.
