基于脉冲耦合神经网络的图像分割研究

论文摘要

脉冲耦合神经网络（Pulse Coupled Neural Network-PCNN）是根据哺乳动物的视觉皮层同步脉冲发放现象提出的。该模型具有对图像二维空间相近、灰度相似的象素进行分组的特点,并能减小图像局部灰度差值,弥补图像局部微小间断,是符合人类视觉特点的图像分割模型。首先,受生物神经细胞突触后抑制的离子机制启发,基于传统PCNN模型,本文提出了自下而上的点火方式。其次,传统PCNN模型进行图像分割时图像象素和神经元是一一对应的,这使得网络运行速度比较慢。为了解决这个问题,本文提出了基于双向搜索的脉冲耦合神经网络（Bidirectional search PCNN-BPCNN）。与传统PCNN不同,BPCNN模型更加符合生物神经网络工作机制。它具有兴奋型和抑制型两种阈值,可同时自上而下点火和自下而上点火。当BPCNN与最大熵结合时,可以同时双向寻找最佳阈值,这样可提高网络运行速度。通过灰度图像实验取得了较好的效果。最后,与灰度图像相比,彩色图像除提供亮度外,还有色调和饱和度,比灰度图像能提供更多的信息。在分割时,如何充分利用彩色图像提供的信息是研究的重点和难点。为了解决彩色图像分割的问题,本文在BPCNN的基础上,结合基于感受野的触发式脉冲耦合神经网络（Triggered PCNN basedon receptive field-RTPCNN）,提出了基于BPCNN和RTPCNN的双脉冲耦合神经网络（Double PCNN-DPCNN）。它融合了两个脉冲耦合神经网络的优点,不但处理的速度快,而且分割图像效果较好。通过理论分析和实验验证,表明该方法对彩色图像分割有很好的实用性。

论文目录

• 摘要
• ABSTRACT
• 第1章 绪论
• 1.1 课题研究的背景和意义
• 1.2 脉冲耦合神经网络的研究现状
• 1.2.1 脉冲耦合神经网络的发展
• 1.2.2 脉冲耦合神经网络的应用领域
• 1.3 图像分割综述
• 1.3.1 图像分割的定义
• 1.3.2 图像分割方法
• 1.4 本文主要研究内容及章节安排
• 第2章 脉冲耦合神经网络基本理论
• 2.1 PCNN基本模型
• 2.1.1 接收域
• 2.1.2 调制部分
• 2.1.3 脉冲产生部分
• 2.2 PCNN的工作原理
• 2.2.1 无耦合链接的情况下的PCNN运行行为
• 2.2.2 耦合链接的情况下的PCNN运行行为
• 2.3 PCNN的基本特性
• 2.4 简化PCNN模型
• 2.5 本章小结
• 第3章 基于双向搜索的BPCNN的图像分割
• 3.1 自下而上的点火模型
• 3.1.1 突触后抑制的离子机制
• 3.1.2 自下而上点火模型的工作原理
• 3.2 BPCNN模型
• 3.2.1 最大熵
• 3.2.2 基于BPCNN的图像分割方法
• 3.3 实验结果及分析
• 3.4 本章小结
• 第4章 基于DPCNN模型的彩色图像分割
• 4.1 引言
• 4.2 彩色空间表示
• 4.2.1 RGB空间
• 4.2.2 HSI空间
• 4.2.3 YCbCr空间
• 4.3 基于感受野的RTPCNN模型
• 4.3.1 视觉神经元的感受野
• 4.3.2 RTPCNN神经元模型
• 4.4 基于DPCNN模型的彩色图像分割
• 4.5 实验结果及分析
• 4.6 本章小结
• 结论
• 参考文献
• 攻读硕士学位期间发表的论文和取得的科研成果
• 致谢