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。