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。     

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。     

基于脉冲耦合神经网络的RLNSW-NSCT卫星云图融合算法研究

提出了一种基于脉冲耦合神经网络(pulse coupled neural network,PCNN)的冗余提升不可分离小波-非下采样Contourlet变换(redundant lifting non-separable waveletbased non-subsampled Contourlet transform,RLNSW-NSCT)卫星云图融合新方法。首先采用基于冗余提升不可分离小波的非下采样Contourlet变换(non subsampled Contourlet transform,NSCT)变换对卫星云图进行变换。对带通方向子带系数的融合设计了基于PCNN的融合规则,而低通子带系数的融合则采用基于图像区域信息熵的系数加权融合规则。为验证算法的有效性,对不同多尺度变换算法和不同融合规则分别进行了融合实验。结果表明该方法在较多地保留云图红外信息的同时,具有更好图像细节表达能力,融合云图的云层特征更为分明。     

脉冲耦合神经网络的人脸识别方法

 在脉冲耦合神经网络(PCNN,pulse coupled neural network)中,基于神经元脉冲震荡的时间序列概念,利用平均时间序列和平均欧氏距离的方法实现了人脸识别.实验仿真表明了该方法的有效性,对不同人脸和复杂表情的人脸均具有较好的识别效果.     

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.     

基于灰狼优化算法的PCNN中药材显微图像分割

为有效分割中药材显微图像的目标信息,提出了一种基于灰狼优化算法(Gray wolf optimization, GWO)的改进型脉冲耦合神经网络(Pulse coupled neural networks, PCNN)中药材显微图像自动分割方法。首先,从适应处理显微图像的角度出发对传统PCNN模型进行简化与改进;其次,在训练图像中提取香农熵值作为GWO的适应度函数来自适应调节PCNN关键参数——链接系数β,进而实现图像目标的最优分割;最后,将所提算法与聚类分割法、OTSU法、传统PCNN法进行了实验比较,并用骰子系数、体积重叠误差、相对体积、精确度和交并比等常用医学图像分割评判标准对4种处理方法做了客观评价。实验结果表明,所提方法能够实现图像的自适应分割,较好地保持了图像细节、纹理及边缘等信息,对不同显微图像分割准确度高,改善了图像的分割性能,具有较强的适用性。     

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.     

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。     

基于多尺度空间PCNN模型的图像分割算法

运动车辆图像中车牌具有所占比例小、位置不固定和大小不一的特点,因此,对车辆图像分割时车牌区域容易产生过分割与欠分割问题.脉冲耦合神经网络(Pulse Coupled Neural Network,PCNN)被誉为"第三代神经网络"并广泛应用于图像分割.在利用PCNN模拟人类视觉的图像分割过程中,由于传统PCNN模型中的连接矩阵使用固定值表示,使得PCNN模型不能满足图像分割时尺度变化的需求.为了解决这个问题,本文提出了基于多尺度空间PCNN模型的车辆图像分割算法,将尺度空间引入PCNN模型,使PCNN模型具有了尺度特性,提高了系统自适应分割车牌图像的能力.     

基于改进的脉冲耦合神经网络模型的图像融合

脉冲耦合神经网络模型PCNN(Pulse Coupled Neural Network)运行时间长、效率低等特点,现提出了一种改进的脉冲耦合神经网络模型用于图像融合。通过对多聚焦距图像和医学图像进行了实验,同时与小波变换、拉普拉斯变换等图像融合算法进行了比较。研究结果表明:方法简化了PCNN模型,减少了PCNN运行的时间。在主观视觉和客观评价上均具有良好的效果。     

基于二维Tsallis熵的改进PCNN图像分割

为了改善图像分割的性能,采用改进的脉冲耦合神经网络(PCNN)进行分割,通过对其内部活动项进行空不变的单阈值化分割,来达到对原图像空变阈值化分割效果.另外分割准则也作了修正,通过计算图像二维直方图的Tsallis熵,得到二维Tsallis熵,以此作为图像分割准则.最后,修正了动态门限项的下降速度,使得PCNN收敛更快.实验证明二维Tsallis熵准则优于最大Shannon熵准则与最小交叉熵准则,且改进的PCNN模型比传统PCNN模型收敛更快.     

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.     

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．     

基于脉冲耦合神经网络的路面裂缝提取

考虑裂缝比路面背景更暗的特点,采用结合赋时矩阵的脉冲耦合神经网络模型,实现了路面图像分割和裂缝的粗提取;利用裂缝比杂质面积大的特点,提出一种基于数字形态学的连通区域提取算法,通过计算每个区域包含的像素数量,采用阈值方法剔除杂质,实现裂缝的精提取。研究结果表明:脉冲耦合神经网络裂缝粗提取方法的平均检测率和虚检率分别为92.43%和47.67%;综合方法平均检测率和虚检率分别为91.1%和7.68%,显著提高了路面裂缝检测的准确性。     

基于脉冲耦合神经网络和形态学的边缘检测

阐述了脉冲耦合神经网络(pulse coupled neural network,PCNN)模型的基本工作原理.对于含有噪声的图像,用传统的边缘检测方法不能很好地将图像边缘检测出来.考虑到PCNN在图像分割中的天然优势和数学形态学对图像的膨胀腐蚀作用,采用PCNN和数学形态学相结合的方法对含有噪声图像进行边缘检测.实验结果表明,该算法是有效可行的.