基于PCNN和粒子群算法的图像自动分割方法研究.doc

基于PCNN和粒子群算法的图像自动分割方法研究 第24卷第1期 2011年1月 机电产品开崖与新Developmentamp;InnovationofMachineryamp;ElectricalProducts VOI.24.NO.1 Jan.,2011 文章编号:1002—6673(2011)0l一043—03 基于PCNN和粒子群算法的图像自动分割方法研究 李丽.徐坤 (1.周El市技工学校,河南2周口市师范学院,河南周口466000) 摘要:脉冲耦合神经网络PCNN(PulseCoupledNeur~Network)在图像处理中得到了广泛的应用.但是 其多个参数的设置给实际应用造成了很大的困难.尤其是在图像分割中,不同类型的图像要求不 同的分割参数,不同的参数对图像分割结果影响很大.而粒子群算法(Pso)具有对参数自动寻优的 优势,因此.本文提出了一种基于粒子群算法和PCNN的图像自动分割研究方法.分割试验仿真 结果验证了该方法的正确性和可信性.即不仅可以实现正确的图像分割,而且参数可以自动设置 省去了人工试验的麻烦,同时图像分割速度也有所提高. 关键词:脉冲耦合神经网络;粒子群算法;图像分割 中图分类号:TP391.41文献标识码:Adoi:10.3969/j.issn.1002—6673.2011.01.016 TheStudyofImageSegmentationBasedonPCNNandPSO ,.￡,K (1.ZhoukouCityTtchnicalSchool,ZhoukouHenan466000,China; 2.ZhoukouTeachersCoUege,ZhoukouHenan466000,China) Abstract:Pulsecoupledneuralnetwork(PENN)findsmanyapphcadonsinimageprocessing.Becausetheparametersgreadyaffectthe performanceofPCNN,findingtheoptimalparametersbecomesai1oneroustask.Especiallyinimagesegmentation,theparametersvarywith theimagethatneedstoprocess.AnautomatedPCNNmethodwasproposedthatbasedonPCNNandParticleSwarmOptimizationa/go— rithm(PSO)anditwasusedtosegmenttheimageautomaticallyandsuccessfully.ThecorrectnessanddependabilityoftheautomatedPCNN methodareverifiedbyexperimentresults,thatistOsay,thequalityofthesegmentationbasedontheautomatedPCNNmethodismuchbet- terandparameters—settingautomaticallyisthe//lainfeatureofthemethod. Keywords:pulsecoupledneuralnetwork(PCNN);PSOalgorithm;imagesegmentation 0引言 图像分割是图像分析和处理的重要内容,其传统分 割的方法有多种(如阈值法,区域生长法,小波分割法 等).因此,本文提出了一种基于脉冲耦合神经网络和 粒子群算法图像自动分割的实现方案. 1PCNN模型原理及其简化 上世纪90年代以来对猫等小型哺乳动物视觉皮层 的研究促使了脉冲耦合神经网络(PCNN)的产生和发 展.Eckhom及其同事在研究猫的视觉皮层时发现, 由于相似刺激输入而引起的同步振荡现象出现在视觉皮 层不同位置局部区域中.Eekhorn认为这种现象的出现 收稿日期:2010—11—14 作者简介:李丽,副教授,电工与电子教研室主任.研究方 向:智能控制;徐坤,助教,硕士.研究方向:模式识别与 机器视觉. 是因为视觉系统中存在某种机制,它能够将局部性质联 系起来成为一种整体特性.Eckhom验证了这种想法. 进而提出了脉冲耦合神经元网络模型.从图像处理的角 度来看,Eckhom神经网络模型还存在一些实际应用上 的局限性.为了使其更好地适应图像处理的应用要求而 不是严格符合真实的生物神经元的性质,许多学者对 Eckhom神经元模型做了不同的修改.产生了许多新的 神经元模型[3-67.这里我们采用标准的改进PCNN模型描 述如下: F【n】=S(1) Li[n]=EwHYd