基于微分进化的PCNN图像分割方法

脉冲耦合神经网络(PCNN)是一种新型神经网络,可以应用于图像分割。然而在对PCNN的研究应用中,其模型参数的合理确定是个难点,这在很大程度上限制了PCNN的应用。针对这一问题,提出一种基于微分进化的PCNN图像分割方法。该方法使用微分进化算法来实现脉冲耦合神经网络参数的自动设定,并通过将其应用于图像分割,将分割结果与其他优秀分割方法比较,从而验证了该方案的正确性与可行性。     

一种带脉冲噪声图像的图像分割方法*

提出一种利用区域面积调节脉冲耦合神经网络神经元的脉冲发放值的计算方法,对带脉冲噪声的图像进行图像分割,在消除噪声影响的同时,提高了图像分割的自适应性和准确性.实验表明,该算法效果明显.     

U-Net与自适应阈值脉冲耦合神经网络相结合的眼底血管分割方法

由于眼底血管结构复杂多变,且图像中血管与背景对比度低,眼底血管分割存在巨大困难,尤其是微小型血管难以分割.基于深层全卷积神经网络的U-Net能够有效提取血管图像全局及局部信息,但由于其输出为灰度图像,并采用硬阈值实现二值化,这会导致血管区域丢失、血管过细等问题.针对这些问题,提出一种结合U-Net与脉冲耦合神经网络(P...     

铁谱图像典型磨粒自动提取方法研究

为了提高铁谱分析自动化程度,结合脉冲耦合神经网络（PCNN）和数学形态学,提出了一种铁谱图像典型磨粒自动提取方法。利用综合色距函数将彩色铁谱图像三通道问题转化为单通道问题,使分割问题简化;利用简化PCNN间接实现铁谱图像分割,并采用数学形态学对获得的二值图像进行处理;运用数学形态学中连通域提取算法自动提取图像中的典型磨粒。实验结果表明：与其他方法相比,该方法能快速有效地分割铁谱磨粒图像,并实现铁谱图像中典型磨粒的自动提取。     

复杂背景下的人体热图像分割

复杂背景下,特别是在环境与人体温度相差不大的情况下,红外运动人体目标与背景的灰度值会非常相似,准确的红外人体分割是一个难题。对基于混合高斯模型的背景减除法进行改进,在二值化阶段采用改进型的脉冲耦合神经网络（PCNN）进行精细分割,利用多模态免疫进化算法（MIEA）自动确定PCNN分割参数。仿真实验结果表明,该算法图像分割精度高,实现了快速自动分割,取得了较为理想的图像分割效果。     

显微细胞图像的识别方法研究

提出了一种自动识别显微细胞的方案.该方案首先采用二维阈值化和Canny算子分割方法对图像进行分割,并采用遗传算法将所得结果加以融合.分割之后,对每个细胞进行二值化处理,然后利用一种改进的区域增长法求出二值图像中黑色区域和白色区域的三个区域特征.最后用这些特征值训练BP神经网络,并使用训练好的神经网络来识别未知细胞.     

一种基于PCNN的图像自动分割方法

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,在图像处理领域得到广泛的应用。本文提出了一种基于简化的PCNN与类内最小散度类间最大方差相结合的自适应图像分割方法,在每次迭代时将脉冲耦合神经网络点火的神经元对应的像素作为目标,未点火的神经元对应的像素作为背景,计算目标和背景像素灰度值的类间方差与类内散度,取类间方差与类内散度比值最大的分割图像作为最终结果。实验结果表明,本文算法可以有效地对不同图像进行自动分割,是一种可行的与有效的图像分割方法。     

克隆选择算法和ICM的图像自动分割方法研究

交叉皮层模型是一种简化的脉冲耦合神经网络(Pulse Coupled Neural Network,PCNN),该模型保留了PCNN的脉冲耦合、发放同步脉冲、变阈值、产生脉冲波等重要特性,但调节参数比PCNN少,被认为具有比PCNN更加良好的图像处理能力。针对ICM模型图像分割效果取决于各个参数的优化调节,提出了一种克隆选择算法和ICM模型的图像自动分割算法。该算法的克隆选择算子以自适应方式调节,以最大信息熵作为亲和度函数,速度快,全局搜索效率高,实现了图像的自动分割。仿真表明,该算法有效可行。     

弧焊机器人焊缝图像分割方法研究

提出了脉冲耦合神经网络（PCNN）图像分割的一种新方法,首次使用点火频率矩阵的二值矩阵作为图像分割的最终结果,给出了在此过程指导下PCNN参数选择原则,降低了PCNN对参数的依赖性,提高了图像分割的效果。将该方法运用于石油井架弧焊机器人焊缝图象的识别中起到很好的效果。     

基于脉冲耦合神经网络与欧拉数的图像检索

在分析基于脉冲耦合神经网络时间序列的图像检索算法的基础上,提出一种新的基于脉冲耦合神经网络的图像检索方法。脉冲耦合神经网络是第三代人工神经网络,能够很好地将二维图像的特征提取成一维的矢量值,而且利用脉冲耦合神经网络提取图像特征时具有平移、旋转、尺度和扭曲不变性。新算法针对灰度图像,利用脉冲耦合神经网络模型对图像进行分解,从而生成与原图像相关的二值图像序列,然后针对二值图像序列中的每一幅二值图像,计算反映其边缘信息的欧拉数,由此构造一个一维的特征矢量。在进行图像检索的时候,使用欧式距离进行图像的相似度度量。新算法具有计算简单、数据量小的特点。实验结果表明,新算法具有较强的鲁棒性和检索精度。     

通过脉冲耦合神经网络来增强图像

图像增强是指对图像进行加工,以获得更“好”的视觉效果的一种图像处理技术。这种“好”的评价是由图像的观察者给出的。该文提出了一个通过脉冲耦合神经网络来增强图像,使图像的边缘变得更清晰的方法,并用边缘检测算子对其结果进行了验证。实验表明这种方法具有良好的效果。     

PCNN在指纹图像分割中的应用

提出了采用新型的有生物学依据的人工神经网络-脉冲耦合神经网络（PCNN桺ulse Coupled Neural Network）来实现指纹图像分割的方法,选取低灰度值背景、高灰度值背景指纹图像以及带阴影的指纹图像进行分割实验,有效的实现了指纹图像有效区和背景区的分离,并与传统的标准差阈值跟踪法进行了比较,试验表明这种方法具有更好的效果。     

改进的脉冲耦合神经网络人脸特征提取方法

针对基于子空间分解的人脸特征提取方法对人脸图像在采集过程中的光照、旋转、位置等变化较为敏感的问题,提出了一种改进的脉冲耦合神经网络人脸特征提取方法。该方法模拟生物视觉的感知过程,将人脸图像分解成由若干二值图像组成的认知序列,计算序列中的每幅二值图像的熵作为人脸特征,基于支持向量机实现分类与识别;同时克服了标准的脉冲耦合神经网络模型参数过多的缺点,识别率也有所改善。理论与实验结果表明,该方法与现有的基于子空间分解的人脸特征提取方法相比,对人脸图像在采集过程中的光照、旋转、位置等变化有较强的鲁棒性,而且具有较低的维数。     

基于水平集方法的数字胸片图像分割

水平集方法能有效地解决曲线演化过程中的拓扑变化问题，基于全局特性的活动轮廓模型采用水平集方法给出的迭代解，能有效进行分割。用这种方法对CR胸片图像进行分割研究，并根据CR图像的特点，给出了只需一次演化的方法：直接针对原图像可以得到肺部大致区域；而针对CR的局部标准偏差图像可以得到肋骨的边缘图像。实验结果表明，该方法能很好地对CR图像进行分割。     

视频序列中运动目标自动提取的研究

本文提出了一种从彩色视频序列中,有效分割运动目标的算法。首先将当前帧图像和背景参考图像在YUV彩色空间中进行距离差分得到距离差分图像,然后根据差分图像直方图的单峰聚集特性,提出了基于直方图的自适应聚类分割算法;对分割后的二值图像采用图像形态学方法去除无用的噪声斑点,并根据得到运动模板,提出了背景参考图像的更新策略。实验结果表明这是一种简单、有效的运动目标提取方法。     

Nonlocal variational image segmentation models on graphs using the Split Bregman

Variational functionals such as Mumford-Shah and Chan-Vese methods have a major impact on various areas of image processing. After over 10 years of investigation, they are still in widespread use today. These formulations optimize contours by evolution through gradient descent, which is known for its overdependence on initialization and the tendency to produce undesirable local minima. In this paper, we propose an image segmentation model in a variational nonlocal means framework based on a weighted graph. The advantages of this model are twofold. First, the convexity global minimum (optimum) information is taken into account to achieve better segmentation results. Second, the proposed global convex energy functionals combine nonlocal regularization and local intensity fitting terms. The nonlocal total variational regularization term based on the graph is able to preserve the detailed structure of target objects. At the same time, the modified local binary fitting term introduced in the model as the local fitting term can efficiently deal with intensity inhomogeneity in images. Finally, we apply the Split Bregman method to minimize the proposed energy functional efficiently. The proposed model has been applied to segmentation of real medical and remote sensing images. Compared with other methods, the proposed model is superior in terms of both accuracy and efficient.     

中文交互式网络搜索引擎及其自学习能力

论文介绍了一种具有自学习能力的中文交互式网络搜索引擎INSE(aninteractivenetsearchengineforChi-nesetext),向量空间模型、基于自动机思想的中文分词技术和神经网络BP算法的应用是INSE的主要特点,重点讨论了INSE的自学习能力。基于自动机思想分词是INSE提出的新概念,应用于中文分词可以满足最大匹配且速度较快。INSE自学习能力的实现依靠神经网络的BP算法。该算法应用于交互式网络搜索引擎可以提供更加精确的查询结果。     

基于粗糙集理论的模糊神经网络构造方法

构造模糊神经网络时确定初始的隶属函数是一个难点,提出了一种新的基于粗糙集理论的隶属函数获取算法,该算法根据粗糙集理论中基于属性重要性的离散化方法确定条件属性的断点,再通过断点确定各模糊集合隶属函数的中心和宽度,同时给出了网络各参数的修正公式;仿真结果证明,该算法在学习的快速性和精度上具有良好的性能.     

视频序列中运动目标自动提取的研究

本文提出了一种从彩色视频序列中,有效分割运动目标的算法。首先将当前帧图像和背景参考图像在YUV彩色空间中进行距离差分得到距离差分图像,然后根据差分图像直方图的单峰聚集特性,提出了基于直方图的自适应聚类分割算法;对分割后的二值图像采用图像形态学方法去除无用的噪声斑点,并根据得到运动模板,提出了背景参考图像的更新策略。实验结果表明这是一种简单、有效的运动目标提取方法。     

多尺度卷积递归神经网络的RGB-D物体识别

摘 要: 为充分利用RGB-D图像提供的潜在特征信息,提出了多尺度卷积递归神经网络算法（Multi-scale Convolutional-Recursive Neural Networks,Ms-CRNN）。该算法对RGB-D图像的RGB图、灰度图、深度图及3D曲面法线图进行不同尺度分块形成多个通道,每个通道与相应尺寸的滤波器卷积,提取的特征图经局部对比度标准化和下采样后作为递归神经网络（Recursive Neural Networks ,RNN）层的输入以得到更加抽象的高层特征。融合后的多尺度特征,由SVM分类器进行分类。基于RGB-D数据集的仿真实验结果表明,综合利用RGB-D图像的多尺度特征,提出的Ms-CRNN算法在物体识别率上达到88.2%,和先前方法相比有了较大的提高。