基于视觉感知的模糊神经网络图象分割方法研究

本课题首次把视觉感知的多频率/方向通道特性、对相位信息的特殊敏感性、多分辨率特性、模糊特性、知识的指导性、并行性、自适应、自组织特性等，通过特征向量的组织与人工神经网络结构有机的统一起来，提出了一种新的基於多种视觉感知特性的模糊人工神经网络图象分析框架，并成功地实现了对图象的分类与分割。在这一框架下实现的新分割算法包括：以方向滤波和小波变换提取的方向、相位、多尺度综合特征为输入的修正欧氏距离半模糊C均值聚类算法；部分监督加权FCM聚类算法；两种改进的模糊Kohonen聚类神经网络（IFKCN）纹理分割方法；两种基于多层模糊聚类网络的纹理分割方法以及基于模糊ART的图象分割方法等，并已成功应用于遥感图象分析。