基于灰狼优化算法的PCNN中药材显微图像分割 |
| |
作者姓名: | 刘勍 黄金 张亚亚 赵利民 赵玉祥 |
| |
作者单位: | 天水师范学院电子信息与电气工程学院 |
| |
基金项目: | 国家自然科学基金项目(61461046);;甘肃省自然科学基金项目(20JR10RA802,20JR5RA494);;国家级大学生创新训练计划项目(S202110739002); |
| |
摘 要: | 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。
|
关 键 词: | 中药材(CHM) 显微图像 图像分割 脉冲耦合神经网络(PCNN) 灰狼优化算法(GWO) |
|
|