一种基于优化脉冲耦合神经网络模型的图像分割算法

图像分割是图像处理领域的重要研究内容之一,是图像处理和分析的基础.针对基于脉冲耦合神经网络模型的图像分割,提出一种基于PCNN的参数自适应图像分割方法.实验表明,本文提及的方法能普遍适用于分割数字图像,能较好提高算法的全局搜索能力,避免算法陷入局部最优,给出的模型不仅能获得良好的分割效果,并且分割时间短.     

脉冲耦合神经网络模型参数优化及图像分割

脉冲耦合神经网络在图像处理中有着重要应用,但存在模型参数难以选择和图像边缘过于平滑问题.通过对图像进行双线性插值运算,再利用具有保护图像边缘作用的各向异性扩散特性确定模型的链接权值参数,采用遗传算法求解模型的链接强度参数和衰减阈值参数,成功实现了图像的自动分割.仿真结果表明,该方法得到的图像分割结果,体现了更多的图像轮廓和边缘细节,具有较好计算性能.     

脉冲耦合神经网络对肝包虫图像分割

 在应用脉冲耦合神经网络模型分割图像的研究中,确定模型的参数是一个难点问题,其中连接系数β在脉冲耦合神经网络中起着重要的作用。本文使用最小交叉熵D(P, Q; t )和标准差,简化了脉冲耦合神经网络模型的连接系数β的估计公式,该方法可以自动确定并简化脉冲耦合神经网络模型的连接系数β。实验结果表明,该方法对肝包虫医学图像的分割效果显著,能获得较好的视觉结果并具有较强的普适性。     

脉冲耦合神经网络模型参数估计及其图像分割

利用小波分析对图像进行多层分解,然后,用分解的低频系数重构图像作为模型链接权参数W的估计,再用一种最佳阈值方法估计阈值θ,最后用最大相关准则确定网络计算的迭代次数N,成功实现了图像的自动分割.实验仿真表明,该方法在模型参数自动估计的基础上避免了PCNN对图像的过平滑作用,分割图像保留了良好的轮廓和更多的细节.     

改进型脉冲耦合神经网络高分辨率SAR图像分割

针对高分辨率SAR (合成孔径雷达)图像噪声强, 目标分割难度大的特点, 提出一种改进的脉冲耦合神经网络(pulse coupled neural network, PCNN)模型的SAR图像分割算法。首先根据SAR图像中相干斑噪声的特点, 采用复小波进行去噪。然后, 在传统PCNN模型的基础上, 对神经元的输入信号, 尤其是链接系数和 阈值的非线性衰减子因子进行了改进和简化, 同时对链接强度系数β进行理论上的近似推导, 并减少人工设置的参数。最后, 通过最佳阈值对其结果进行二值化处理得到感兴趣的目标图像。实验结果表明, 改进后的算法运行效率提高, 自适应性增强。与传统算法相比, 区域一致性提高0.013, 区域的对比度提高0.015, 效果优于传统的PCNN算法, 为高分辨率SAR图像分割提供了一种新策略。     

基于倒数交叉熵的改进脉冲耦合神经网络图像分割算法

针对脉冲耦合神经网络(pulse coupled neural network,PCNN)模型需要人工方式确定循环迭代次数,以及香农熵定义中基于对数函数存在零点处无意义的缺陷和对数运算影响处理速度等问题,提出了一种基于最小倒数交叉熵自适应生成迭代次数的PCNN图像分割算法.首先,对传统的PCNN模型进行简化,并对神经元的反馈输入函数、连接输入函数和动态阈值函数进行修正;然后,应用二维倒数交叉熵的分解算法,通过两个一维倒数交叉熵的组合获得二维倒数交叉熵;最后,采用最小倒数交叉熵准则确定PCNN网络的循环迭代次数,实现对图像的最优分割.仿真实验验证了该方法的有效性.     

基于脉冲耦合神经网络的多区域图像分割

为解决传统脉冲耦合神经网络(pulse coupled neural network,PCNN)仅限于二值分割且无法对灰度缓慢变化的大范围区域进行完整分割的问题,提出了一种基于PCNN的多区域图像分割算法。将分割图像经过平滑和归一化后送入PCNN,在快速连接机制作用下,每次迭代处理中具有相似状态的神经元可实现同步点火,完成单个图像区域的完整分割。经过预定的迭代次数后,以各神经元的点火次数为新输入图像各像素点的灰度值,然后经平滑和过归一化后再次送入PCNN重复上述处理,完成多区域图像分割。Berkeley图库的实验结果显示,该算法高效、鲁棒,可有效应用于图像分割。     

基于邻域激励脉冲耦合神经网络的图像分割

设计了一种基于邻域激励脉冲耦合神经网络(PCNN)模型的图像分割方法.把既考虑强度又考虑邻域分布的像素邻域信息作为一个参数,来控制PCNN模型中的链接强度,进而控制神经元的内部活动值.在分割过程中采用基于多数裁定原则的方法,通过在一次迭代过程中对邻域像素分割阈值的调整,保证了分割结果的完整性.通过对几类图像的分割实验以及与经典分割方法的比较,验证了该方法的有效性.     

融合二维条件熵和脉冲耦合神经网络的图像分割算法

为了在中强度背景噪声图像分割下提高分割精度和处理速度,提出了一种融合二维条件熵和脉冲耦合神经网络(PCNN)的图像分割算法。该算法在分析PCNN阈值衰减规律的基础上,将原指数形式替换成线性衰减机制,构成线性门限-脉冲耦合神经网络模型,以降低循环迭代的总耗时量。此外,借助能够很好反映图像边缘细节等局部结构信息的灰度-梯度共生矩阵,将抗噪性能强的条件熵扩展为二维测度,进而形成最大二维条件熵客观判决准则以获得PCNN的最佳阈值。实验表明,与基于交叉熵的PCNN算法相比,本文算法拥有更强的抗噪鲁棒性,同时处理效率也得到明显提升。     

基于改进的哈里斯鹰优化算法的特征选择

特征选择是一项旨在通过移除不相关、冗余的数据来减少特征数量,同时可以保持较高的分类精度的机器学习任务.针对哈里斯鹰优化算法(HHO)不能在离散的特征空间进行特征选择,以及算法后期种群多样性减少、易陷入局部最优等问题,提出了基于改进的哈里斯鹰的特征选择算法.首先使用混沌映射初始种群多样化,以确保在种群质量较优的前提下能够均匀分布于搜索空间;其次,通过引入高斯变异算子对兔子的位置进行重新更新,以避免算法陷入局部最优;最后设计二次优化算法的二进制版本并将其应用于基于KNN分类器的包裹式特征选择问题中.通过在18个经典的UCI数据集进行特征选择仿真实验,结果显示该算法在适应度值、平均分类准确度以及平均特征选择数量上比其他主流算法都能获得更好的结果,从而表明该算法能够进行有效的提取特征子集和得到更准确的数据分类,并能够实现更高的寻优精度.     

基于改进哈里斯鹰优化算法的配电网动态重构

针对风光荷不确定性的配电网重构问题,建立分布式电源和负荷出力模型,以系统运行成本和电压偏移构建多目标函数。提出一种改进粒子群算法融合K-means(improved particle swarm optimization and K-means, IPSO-Kmeans)聚类算法来划分典型日负荷曲线,将改进哈里斯鹰优化(improved Harris hawk optimization, IHHO)算法应用于配电网重构,进行寻优计算。为了改善哈里斯鹰优化(Harris hawk optimization, HHO)算法种群分布不均、无法完整搜索到最优解空间范围、易于陷入局部收敛等问题,引入佳点集生成种群初始化,提高种群搜索空间的均匀性。将麻雀搜索算法中的探索者位置更新公式与哈里斯鹰优化算法探索阶段的位置更新公式结合,以提高算法的全局搜索能力。利用柯西-高斯变异扰动策略跳出局部最优解。最后在IEEE33节点配网系统仿真,结果表明所提方法的有效性。     

基于改进哈里斯鹰算法的分布式电源优化配置

为解决分布式电源接入配电网进行合理规划配置的问题,在建立以网络损耗、节点电压偏差、投资综合费用为多目标函数的基础上,采用层次分析法将考虑经济性与稳定性的多目标函数转换成单目标函数,并用改进哈里斯鹰算法寻找最优的配置方案。为进一步改善哈里斯鹰算法的寻优精度与收敛速度,引入Tent混沌提高初始化种群的均匀性;将鲸鱼算法的搜索围捕方式与哈里斯鹰算法结合,增加了算法的多样性并提高了寻优精度;引入t分布策略增强全局寻优能力和求解速度。通过算例验证了采用改进哈里斯鹰算法在求解分布式电源优化配置问题中的高效性和稳定性。     

基于脉冲耦合神经网络的超声图像病理区域检测算法

超声图像的病理区域检测对辨别疾病的良恶性具有极其重要的价值.针对超声回声大、粒状斑点多的特点,提出了基于脉冲耦合神经网络的区域自动检测算法.首先脉冲耦合神经网络对图像进行点火处理,经过形态学闭运算、二值反相、区域标记等操作,自动提取出种子点;以种子点为种子像素对图像进行区域增长,提取出感兴趣的区域,经过伪彩色编码增强后,凸显病理区域,便于医学临床诊断观察与超声图像的进一步量化分析处理.     

基于哈里斯鹰算法的两级冷链配送路径优化

农产品供应链是农产品流通现代化的重要体现。随着生活水平的提高,人们对生鲜农产品的需求逐渐增加,农产品供应链冷链配送压力不断增大,农产品包装也随之造成严重的环境污染。文章基于对包装二次利用的考虑,以车辆固定成本、车辆运输成本及制冷成本最小为目标,构建考虑客户满意度的两级生鲜农产品冷链车辆路径优化数学模型,融合变邻域搜索机制的离散哈里斯鹰算法对该模型进行求解,使用迭代贪心算法和随机方法生成初始解,然后使用设计的搜索算子寻优。通过仿真实验对提出算法与其他算法和数字优化技术（CPLEX）进行对比,验证了文章提出的改进哈里斯算法可行性、高效性及稳定性,对城市限行下农产品冷链配送路径优化问题研究具有一定的意义。     

基于直方图的脉冲耦合神经网络(PCNN)多门限图像分割方法

参考了Eckhom等人近几年提出的脉冲耦合神经网络(Pulse Coupled Neuml Network)模型,结合灰度直方图分割技术,提出了一种新的多门限图像分割方法-基于直方图的脉冲耦合神经网络(PCNN),PCNN模型具有弥补时隙和空隙的特点,因此应用这一网络模型进行图像分割,可以得到较完整的区域边角信息,从而达到理想的分割效果．经实验证明,本文提出的方法较原来的PCNN网络,运算速度和分割效果都有了很大提高。     

脉冲耦合神经网络在指纹图像分割中的应用

脉冲耦合神经网络（PCNN）是20世纪90年代形成和发展的一种新型神经网络。研究发现,可用PCNN的脉冲传播特性有效地解决图像处理中的不同问题。在此阐述了PCNN的原理,并提出一种基于PCNN的指纹图像分割算法,该算法有很强的适应性和抗噪性．     

基于卷积神经网络的细胞核图像分割算法

为了提高细胞核图像分割的精确性和鲁棒性,提出一种基于改进卷积神经网络的多尺度多层次双注意力图像分割算法.使用SE(Squeeze-and-Excitation)和改进的条纹池化SP(Strip Pooling)整合通道和空间上的信息权重代替传统U-Net编码的最后一层操作以提升对有用信息的关注.在级联路径,提出轻量级的Inception模块,在增加感受野的同时减少参数以获得多尺度的特征.编码和解码信息拼接之前结合注意力机制提高分割精度,使用残差块作为解码部分的基础层,并增加一个侧边输出结构提供多层次的信息.每一层的损失采用阶梯的方式相加,指导监督多层次模型更好的训练,提高模型准确率.在细胞分割数据集上的实验结果表明,该方法的交并比和相似性系数的精度分别达到85.72%和92.02%,和其他网络相比,分割效果更好.     

基于神经网络——粒子群优化算法的医学图像分割新方法

提出了一种基于神经网络——粒子群优化算法的医学图像分割新方法,将粒子群优化算法用于神经网络的学习训练,克服了神经网络收敛速度慢,以及容易收敛到局部最优解的缺点。并与遗传算法进行了比较,结果表明,该方法不仅能更快地收敛于最优解,而且在分割准确率、误差率以及运行时间上也都有了较明显的提高。     

基于脉冲耦合神经网络的运动检测算法

在研究PCNN算法的基础上,详细论述了PCNN的数学模型与工作原理,提出了基于PCNN的运动目标检测算法,设计了基于简化PCNN模型的运动目标检测算法流程,针对模型的匹配问题,结合双阈值思想,提出白适应局部阈值方法。实验证明,该方法在目标和背景的灰度差别对比度较低的条件下,能提高目标检测的完整性,该算法较传统算法有背景建模快、抗干扰性强等优良特性、较好地解决背景的多模态问题。为以后研究PCNN提供了理论基础。     

三维连接系数矩阵的脉冲耦合神经网络彩色图像分割

提出三维连接系数矩阵的脉冲耦合神经网络(3D-PCNN)模型,将二维连接系数矩阵扩展成三维,值取空间欧氏距离的倒数,提出指数上升的动态阈值。利用神经元脉冲同步发放特性和自动波特性,直接分割彩色图像。结果表明,3D-PCNN算法与其他分割算法相比,运行时间减少了25%以上;该算法能够将不同区域信息以多层次彩色显示,改变RGB分量输入顺序时,同样可以分辨出更多的图像细节信息,分割精度高。