基于并行点火PCNN模型的图像分割新方法

提出一种并行点火脉冲耦合神经网络(Parallelized firing pulse coupled neural networks, PFPCNN)模型的图像分割方法. 首先用改进的Unit-linking PCNN (ULPCNN)模型对图像进行增强, 便于后续的图像分割. 然后采用PFPCNN新模型对增强后的图像进行分割, 最后用最大香农熵方法判定最佳分割结果. 各种复杂场景下的仿真实验及定量评价表明, 本文提出的图像分割方法, 其效果明显优于常规的PCNN分割方法.     

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。     

基于PCNN和最大灰度熵图像分量的彩色图像分割

为提高彩色图像的分割效果,提出了一种最大灰度熵图像分量和脉冲耦合神经网络(PCNN)相结合的彩色图像分割方法.将彩色图像转换到符合人眼视觉特征的色调饱和度亮度(HSV)颜色空间中,选取灰度熵值最大的分量图像,用PCNN增强以增大感兴趣区域对比度,对增强后的分量图像运用PCNN进行循环分割,当二维Renyi熵值不再大于前一次的值时,终止PCNN的循环分割,获得最佳分割结果.运用多种评价指标对所分割的结果进行评价,评价结果表明:提出的算法能够有效实现对彩色图像的分割,尤其在图像细节方面,比传统的彩色图像分割方法表述得更为清晰.     

结合自适应免疫克隆算法和PCNN的图像分割方法

脉冲耦合神经网络在图像处理中需要通过多次调整参数才能获得比较好的图像处理效果.为此提出了一种结合免疫克隆算法的PCNN参数自动判定算法,提出的方法将PCNN的参数设置问题转化为基于免疫克隆算法的参数优化问题,将图像熵值作为免疫克隆算法最佳适应度的评判依据,从而达到PCNN在图像处理中参数自适应调整的目的.同时,在免疫克隆算法中引入自适应算子和梯度操作来影响部分抗体的进化,以保持群体的活性,打破群体信息陷入局部最优的状况.实验表明,提出的算法实现了PCNN参数的自适应调整,图像分割效果优于比较的多种图像分割算法.     

图像分割中PCNN的应用研究

第三代人工神经网络——脉冲耦合神经网络(PCNN)在图像分割领域受到极大的关注,描述了PCNN模型原理,总结了PCNN应用于图像分割时存在的问题,分析了目前对这些问题的解决方法及其实现原理。在此基础上,指出各类方法的优缺点,展望了PCNN应用于图像分割的研究方向,模型中参数设置对分割结果影响的理论依据需要更深入的研究。     

基于PCNN模型的图像分割研究

脉冲耦合神经网络（PCNN）是根据猫的大脑视觉皮层同步脉冲发放现象提出的一种人工神经网络,有着生物学依据。本文采用Sobel算子提出梯度特征,通过自适应窗口技术对图像中含不同纹理特征信息的图像进行预处理。然后调整PCNN的链接域,结合PCNN脉冲传播性与区域增长,对预处理后的图像进行多值分割。我们称这种修改后的PCNN称为MRG-PCNN,实验结果充分展示了这种方法的有效性。     

基于视觉显著性与PCNN的图像分割算法

针对射线缺陷检测图像对比度低、缺陷边缘模糊、噪声多、存在较大的背景起伏等缺点,传统缺陷检测方法难从焊缝缺陷图像中提取出对比度较低的目标缺陷的问题,该文提出了结合视觉显著性与脉冲耦合神经网络（PCNN）的缺陷分割算法。首先,利用LC算法对射线检测图像进行显著性区域检测,得到反映图像不同区域显著程度的显著图;其次,将所得到的显著图作为简化PCNN的输入图像,并利用最小交叉熵分割出感兴趣区域。实验结果表明,相较于传统的最大类间方差（Otsu）算法和脉冲耦合神经网络算法,采用该算法分割缺陷的效果较好,其分割边缘与细节信息的清晰度高,采用该算法分割缺陷的效果有较大提升。     

基于PCNN的织物起球图像的分割

起球图像的分割是织物起球客观评定方法研究的一个重要步骤,同时也是一个非常困难的问题。针对这种图像的分割,提出了一种基于脉冲耦合神经网络(PCNN)的分割方法,该方法是利用织物表面毛球区域与未起球区域灰度强度的不同,根据PCNN神经元是否点火来分割毛球图像。通过对5种不同起球等级图像进行的分割实验证明,算法是有效的。     

基于改进型PCNN的不规则图像自适应分割算法研究

针对不规则图像成分复杂、特征形状无法采用经典模型拟合等问题,提出了基于改进型脉冲耦合神经网络（PCNN）的自适应分割算法。该算法在原有PCNN模型基础上,对神经元反馈输入函数和动态阈值函数进行了修正,同时对神经元的输出采用多级输出模型,从而实现对不规则图像的分割。仿真实验表明,改进后的算法能够实现不规则图像的自适应分割,鲁棒性较好。     

结合PCNN和自适应DGA算法的视网膜血管分割

为辅助诊断眼底疾病,提出一种眼底图像血管自动分割方法。首先利用对比度受限制的自适应直方图均衡化（CLAHE）技术与二维高斯匹配滤波器增强血管与背景对比度;然后利用自适应分布式遗传算法（ADGA）对PCNN参数设置自动寻优,将寻优得到的参数用于PCNN血管分割;最后采用面积滤波和区域连通性方法对分割结果进行后处理,得到优化后的血管检测结果。通过在国际上公认的彩色眼底图像库STARE中的实验结果表明,相比于利用传统的DGA算法对PCNN参数寻优,所提方法将分割的平均准确度从0.929?3提高到0.945?4,具有更高的鲁棒性、有效性和可靠性。     

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。     

分水岭图像分割算法的研究

针对分水岭算法在对复杂粘连物体图片的分割过程中产生局部极值过多和分割后区域边缘不能准确定位的弊端,提出对要分割的图像做基于形态学的开闭重建运算;然后对图像的形态学梯度图像进行滤波重建,通过对梯度幅值图像进行修改,标记出要分割区域的最小值,过滤掉无关的较小值;最后运用分水岭算法对标记的图像进行分割,取得了较好的分割效果.     

一种改进的PCNN图像融合算法

针对使用小波变换及简单融合规则的图像融合算法的不足,提出了一种改进的基于脉冲耦合神经网络（Pulse Coupled Neural Networks,PCNN）融合规则的非下采样轮廓波变换（Nonsubsampled Contourlet Transform,NSCT）图像融合方法。对已配准待融合图像进行NSCT分解,采用改进的PCNN融合规则对Contourlet域系数进行融合,得到融合图像的NSCT系数,经逆变换重构得到融合图像。实验结果表明该算法在主观视觉和客观评价指标上都取得了较好的融合效果。     

优化的PCNN自适应三维图像分割算法*

脉冲耦合神经网络(pulse coupled neural network,PCNN)对图像分割具有天然的优势,但是传统的PCNN模型参数难以确定,且算法耗时多。对多种PCNN模型进行研究改进,并利用统计学知识提出了一种精简高效的自适应三维分割算法。将其用于脑部磁共振成像(magnetic resonance imaging,MRI)图像的分割,把脑组织分成白质、灰质和脑脊液。与标准PCNN、传统的Otsu阈值方法、SPM8工具箱及专家手动分割结果的对比实验表明,该自适应算法具有精确性、高效性。     

基于图像分割的森林火灾早期烟检测算法研究

针对森林这样的大空间、复杂场景下的火灾检测,提出一种在单帧视频序列图像中的烟检测方法,并研究一种新的超像素合并算法,改进现有的天地线检测算法。该方法对图像进行SLIC（Simple Linear Iterative Clustering）超像素分割,并用一种新的超像素合并算法解决过分割问题;通过改进的天地线分割算法,排除天空中云对于烟检测的干扰;根据光谱特征,运用支持向量机（SVM）对超像素块进行分类。实验结果表明,超像素合并算法高效简洁,易于编程实现,基于图像分割的烟检测技术能排除云雾等噪声对烟雾检测的干扰,在森林场景下的烟雾检测正确率为77%,可以作为人工森林火灾监测的辅助手段。     

基于脉冲耦合神经网络的彩色图像滤波新方法

通过对脉冲耦合神经网络(PCNN)工作机理的分析,建立一个在HIS色彩空间上的一种基于脉冲耦合神经网络的彩色图像去噪算法及模型.计算机仿真表明采用基于PCNN的矢量中值滤波法能够有效去除图像中的噪声,并且能够更好地保护图像细节,较传统彩色图像去噪方法有较明显的优越性.     

一种PCNN的彩色图像脉冲噪声滤波方法

通过脉冲噪声特性总结以及对脉冲耦合神经网络（PCNN）工作机理的分析,建立了一个在RGB色彩空间上的一种基于脉冲耦合神经网络的彩色图像去噪算法及模型。首先利用PCNN的同步脉冲发放特性定位脉冲噪声点的位置;然后利用中值滤波对其进行去噪处理,并将结果与中值滤波等其他滤波方法进行了比较。实验结果表明该方法不但能够有效去除图像中的噪声,而且能够更好地保护图像细节,较传统彩色图像去噪方法有较明显的优越性。     

一种基于空间矩的PCNN图像分割方法*

脉冲耦合神经网络在图像分割中需要选取适当的网络参数,就内部连接矩阵而言,不同场合一般采用相同的设置,为了进一步改善图像分割质量,充分利用邻域的边缘及灰度分布信息,提出了一种基于空间矩确定内部连接矩阵的方法。仿真实验证明,该方法使得分割结果细节更丰富、分割区域更完整、边缘连续性更好。