基于均方根阈值的PCNN图像分割算法研究.pdf
《基于均方根阈值的PCNN图像分割算法研究.pdf》由会员分享,可在线阅读,更多相关《基于均方根阈值的PCNN图像分割算法研究.pdf(8页珍藏版)》请在咨信网上搜索。
1、第 卷 第 期 年 月昆明冶金高等专科学校学报 收稿日期:基金项目:云南省教育厅科学研究基金资助项目:现代学徒制背景下项目教学法在专业核心课程中的应用研究()。作者简介:史红亮(),男,山东济宁人,讲师,工学硕士,主要从事智能化机械装备研究。:基于均方根阈值的 图像分割算法研究史红亮(昆明冶金高等专科学校电气与机械学院,云南 昆明 )摘要:为了改善脉冲耦合神经网络()在图像分割过程中的性能,提出了一种将灰度均方根阈值与 相结合的方法,称之为灰度均方根阈值 ()。在简化方法中,只需确定一个参数;此外,在图像分割点火过程中,阈值只计算一次,展现了更好的分割性能和更快的计算速度。实验结果表明该简化方
2、法是一种有效的图像分割方法。关键词:;图像分割;中图分类号:文献标识码:文章编号:()(,):(),(),:;引言所谓图像分割,就是将不同内容的图像分解为几个不同的对象块,不同的对象块表示不同的意义。迄今为止,学者们已经提出了各种不同的算法,但并没有一种算法能够有效地分割各种类型的图像。脉冲耦合神经网络(,)模型是在 对动物大脑皮层神经的同步脉冲发放现象的研究基础上发展而来的神经网络模型,具有同步脉冲发放和全局耦合等特点,可有效进行图像分割 。模型是由众多神经元相互链接形成的一种动态多参数非线性神经 ,在处理目标和背景的灰度范围内有交叉的图像时,可以得到较好的结果;图像分割时,不需要训练;由于
3、其良好的捕获特性以及同步脉冲发放性能,故在相邻区域内,较小的灰度差异和空间间断可以被忽略。但是,在用 分割图像时,也存在以下不足之处:)模型复杂,参数较多,有时间衰减系数、和,放大系数、和,链接权值、以及连接系数 等。图像的分割效果严重依赖于这些参数的选择,在同一个模型下,参数的最优设定常常需要选取不同迭代次数的结果以比较分析,不断尝试得出接近于最佳分割结果的参数 ,或需要经过多次实验或人工干预,研究者需要经验丰富。现在还没有相关理论能够对参数的选择与分割效果的好坏之间存在怎样的关系作出解释。)在 的数学表达式中,动态门限与像素点灰度特性无关,仅仅随时间衰减。当图像中目标、背景或不同目标之间的
4、像素灰度值比较接近时,无法获得好的分割效果。)模型除网络参数过多以外,其运行结果还与迭代次数紧密相关 。模型的迭代次数不同,即使是参数选择准确,同样也会导致图像分割失败。的基本理论及其图像分割应用 的基本理论 神经元模型结构如图 所示,神经元 ,由 个功能单元构成:输入域、链接域和脉冲产生器。图 神经元 ,的结构 ,在此神经元结构中,为神经元强制激发的外部激励,即图像像素灰度值;,()为神经元 ,的反馈输入域的输入通道;,()为神经元 ,的耦合链接域的输入通道;,()为内部活动项;为内部活动项的连接系数;,为神经元 ,的动态门限阈值;,为神经元 ,的脉冲输出。基于 的图像分割在利用 模型处理图
5、像时,按照行与列整齐排列的许多神经元个体组成一个神经元矩阵,并与图像中的像素点一一对应,该矩阵中的神经元数目与像素点数量一致,如图 所示。图 图像分割模型 的图像分割特性分析分析 模型的运行机理,可知 在图像分割时(图 )具有以下主要特性:)变阈值特性。的神经元具有变阈值衰减特性,阈值随时间按指数规律衰减,这是 具有周期性点火的根本原因。当 ,(),()时,神经元就会点火使 ,()为 ,产生脉冲。)捕获临近神经元特性以及脉冲同步产生特性。神经网络中各神经元之间是彼此影响的,()可以对 ,()进行非线性调制。神经元发生脉冲输出后,会捕获与该神经元像素灰度值相近的神经元产生同步脉冲。这就是 的捕获
6、特性及同步脉冲发放现象。第 期史红亮:基于均方根阈值的 图像分割算法研究)脉冲的动态输出和自动波现象。神经网络模型中各个神经元细胞的点火特性是不一样的,在迭代过程中,每一个神经元细胞的动态阈值根据其自身规律衰减,在某一时刻 ,()为 ,产生动态脉冲,整个神经网络的脉冲发放区域就会如同水波一样,从一个区域传播到另一个与波前神经元类似的区域,这就是 的自动波特性。基于均方根阈值的 模型()的简化模型简化的 模型如图 所示。其中,为反馈输入;,为像素点(,)的灰度值,作为输入脉冲信号;,为耦合连接输入;为耦合连接域中的连接矩阵;为连接系数;是与图像统计特性有关的恒定阈值;,为内部活动项;,为脉冲输出
7、。图 神经元 ,的简化 模型 ,图 邻域链接矩阵 反馈输入域中,为原始图像的灰度值,即,()耦合链接域中,每个中心神经元与邻域中的链接神经元相连接产生链接输出,即,()其中,槡槡 槡槡,是神经元 ,的邻域矩阵,可以为 、或其它的邻域链接方式,图为 邻域链接矩阵。链接输出乘以内部活动项的连接系数 ,偏置后与反馈输入域中的 ,相乘调制,得到神经元 ,的内部活动状态,(,)()脉冲产生区由一个阶跃函数和一个阈值信号产生器组成,每一个神经元点火运算时,如果内部活动项 ,的值大于阈值信号 ,则脉冲发生器的输出值 ,为 ,否则为 ,公式如下:,()灰度均方根阈值模型本文利用图像灰度值的统计特性,将每个像素
8、点邻域内像素灰度值的均方根作为阈值信号 的值,公式如下:昆明冶金高等专科学校学报 年 月(,)(,)槡()其中,为像素点(,)的邻域灰度矩阵;、分别为此灰度矩阵中行与列像素点的个数。模型的图像分割过程将脉冲发生器的初始值 ,设为 ,设置内部活动项 ,。由式()可知,在迭代过程中,如果 ,则神经元点火,输出值 ,。否则,神经元不会点火,输出值 ,。如果神经元 ,在迭代过程中没有点火,根据公式()所示的脉冲耦合神经网络的耦合效应,神经元 ,可以被其邻域已经点火的神经元 ,所捕获。因此,神经元 ,的内部活动项 ,将由 ,改变为 ,(,)。如果 ,但是 ,(,),则未点火的神经元 ,将会被已点火的神经
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- 基于 方根 阈值 PCNN 图像 分割 算法 研究
1、咨信平台为文档C2C交易模式,即用户上传的文档直接被用户下载,收益归上传人(含作者)所有;本站仅是提供信息存储空间和展示预览,仅对用户上传内容的表现方式做保护处理,对上载内容不做任何修改或编辑。所展示的作品文档包括内容和图片全部来源于网络用户和作者上传投稿,我们不确定上传用户享有完全著作权,根据《信息网络传播权保护条例》,如果侵犯了您的版权、权益或隐私,请联系我们,核实后会尽快下架及时删除,并可随时和客服了解处理情况,尊重保护知识产权我们共同努力。
2、文档的总页数、文档格式和文档大小以系统显示为准(内容中显示的页数不一定正确),网站客服只以系统显示的页数、文件格式、文档大小作为仲裁依据,平台无法对文档的真实性、完整性、权威性、准确性、专业性及其观点立场做任何保证或承诺,下载前须认真查看,确认无误后再购买,务必慎重购买;若有违法违纪将进行移交司法处理,若涉侵权平台将进行基本处罚并下架。
3、本站所有内容均由用户上传,付费前请自行鉴别,如您付费,意味着您已接受本站规则且自行承担风险,本站不进行额外附加服务,虚拟产品一经售出概不退款(未进行购买下载可退充值款),文档一经付费(服务费)、不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
4、如你看到网页展示的文档有www.zixin.com.cn水印,是因预览和防盗链等技术需要对页面进行转换压缩成图而已,我们并不对上传的文档进行任何编辑或修改,文档下载后都不会有水印标识(原文档上传前个别存留的除外),下载后原文更清晰;试题试卷类文档,如果标题没有明确说明有答案则都视为没有答案,请知晓;PPT和DOC文档可被视为“模板”,允许上传人保留章节、目录结构的情况下删减部份的内容;PDF文档不管是原文档转换或图片扫描而得,本站不作要求视为允许,下载前自行私信或留言给上传者【自信****多点】。
5、本文档所展示的图片、画像、字体、音乐的版权可能需版权方额外授权,请谨慎使用;网站提供的党政主题相关内容(国旗、国徽、党徽--等)目的在于配合国家政策宣传,仅限个人学习分享使用,禁止用于任何广告和商用目的。
6、文档遇到问题,请及时私信或留言给本站上传会员【自信****多点】,需本站解决可联系【 微信客服】、【 QQ客服】,若有其他问题请点击或扫码反馈【 服务填表】;文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“【 版权申诉】”(推荐),意见反馈和侵权处理邮箱:1219186828@qq.com;也可以拔打客服电话:4008-655-100;投诉/维权电话:4009-655-100。