基于脉冲耦合神经网络的图像分割研究

《基于脉冲耦合神经网络的图像分割研究》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、摘要摘要图像分割是图像分析和理解的基础，应用非常广泛，几乎出现在有关图像处理的所有领域，所以图像分割的研究受到了研究工作者的高度重视。自20世纪70年代至今，己提出上千种各种类型的分割算法。其中基于神经网络的图像分割研究取得了一定成果。20世纪40年代，人们对人脑的结构、组成及其基本工作单元有了越来越充分的认识，在此基础上，综合数学、物理学以及信息学等学科的方法对人脑神经网络进行抽象，并建立了简化的模型，称之为人工神经网络。20世纪90年代，研究者基于哺乳动物视觉皮层神经活动提出了脉冲耦合神经网络(P

2、ulseCoupledNeuralNetwork--PCNN)模型。因为PCNN具有生物视觉的现实依据，所以在图像处理特别是图像分割方面存在着优势，但是目前对它的研究还不够深入。本文的研究内容主要集中在以下三个方面：首先，本文全面分析了脉冲耦合神经网络用于图像分割时的脉冲发放机制，以及用于图像分割时的算法。对于脉冲耦合神经网络来说，参数的设定是一个重点，同时也是一个难点。本文对脉冲耦合神经网络的几个重点参数做了深入探讨，对其用于图像分割的算法做了改进，改善了分割的效果，并减少了神经网络的运算时间。其次

3、，本文对基于区域生长的PCNN做了深入研究。传统的PCNN图像分割算法，主要是对图像做二值分割。．但二值分割把内容丰富的图像简单的分割为两部分，丢失了很多图像信息。Robert提出了基于区域生长的PCNN，取得了很好的分割效果。这是一种多值图像分割方法，但是这种算法可能导致某些边缘像素不能被划分到正确的区域中。本文对Robert的模型做了改进，改善了边缘像素的分割效果。最后，本文用动力学的方法构建了一个新的脉冲耦合神经网络模型来模拟神经元的累积发放原理，该模型能有效地进行图像分割，尤其对有噪声的图像，

4、其分割效果比通常使用的模型要好得多，模型参数的选择可以根据动力学机理以及不同图像灰度之间的差异进行调整。在把属于相同区域的点拉向同一区域的过程中，新模型表现出了很好的平滑作用。本模型用局部最大方差来决定图像分割的程度。关键词脉冲耦合神经网络；图像分割；区域生长；动力学Abstract_III[11[illllIlllIllIIIIIIIIIIImagesegmentationisthebasisofimageanalysis，andithasawideapplicationfield。Itispres

5、entinalmostallthefieldsofimageprocessing．Sotheresearchershavepaidhighattentiontothe．imagesegmentation．Thousandsofimagesegmentationalgorithmshavebeenproposedfrom1970。Andtheresearchofneuralnetworkbasedimagesegmentationhasmadesomeachievements．In1940’S，ther

6、esearchershavecomprehendedthestructure，constitutionandthebasicwork-unitofthebrainmoreandmoreprofoundly．Onthebasisoftheaboveprofoundcomprehension，theresearcherscomposemathematics，physits，informationscienceandothersubjectstomakeallabstractionandbuiltasimp

7、lifiedmodel，whichiscalledArtificialNeuralNetworks．In1990’S，theresearchesproposedthemodelofPulseCoupledNeuralNetwork(PCNN)onthebasisoftheexperimentalobservationsofsynchronouspulseburstsinthemammiferousvisualcortex．Becauseofbiologicalbackground，itisverysu

8、itableforimageprocessing，especiallyimagesegmentation．ButnowtheresearchofPCNNisnotprofound．、Thispaper’Smajorresearchcontentisasfollows．First，thispapercompletelyanalyzesthepulseburstsmechanismofPCNNandtheimagesegmentationalgorithmw