脈沖耦合神經(jīng)網(wǎng)絡(luò)用于圖像分割若干問題研究.pdf

1、脈沖耦合神經(jīng)網(wǎng)絡(luò)（Pulse coupled Neural Network，PCNN）是被稱為第三代人工神經(jīng)網(wǎng)絡(luò)的新型神經(jīng)網(wǎng)絡(luò)模型。它具有生物學(xué)背景，是在研究哺乳動(dòng)物視覺皮層脈沖震蕩現(xiàn)象的基礎(chǔ)上提出的。由于其在數(shù)字圖像處理中具有獨(dú)特的優(yōu)勢(shì)，在發(fā)展的二十多年間已經(jīng)成為數(shù)字圖像處理領(lǐng)域研究的熱點(diǎn)，而且在其他一些智能信息處理領(lǐng)域也取得了不錯(cuò)的研究成果。
　　本文主要針對(duì)脈沖耦合神經(jīng)網(wǎng)絡(luò)在圖像分割領(lǐng)域中應(yīng)用時(shí)存在的一些問題進(jìn)行了探討和研究

2、。簡(jiǎn)化的脈沖耦合神經(jīng)網(wǎng)絡(luò)模型在早期的圖像分割中取得了不錯(cuò)的效果，但隨著其它分割技術(shù)的發(fā)展，其弊端逐漸顯現(xiàn)，如邊緣和細(xì)節(jié)的處理較為粗糙，明暗區(qū)域不敏感等。在深入研究了PCNN的基本思想和算法流程之后，為了提高模型的處理效果，本文考慮將同樣具有生物學(xué)背景的視覺側(cè)抑制機(jī)制與 PCNN有機(jī)結(jié)合，研究了基于側(cè)抑制機(jī)制的脈沖耦合神經(jīng)網(wǎng)絡(luò)（LI-PCNN）。將基于側(cè)抑制機(jī)制的脈沖耦合神經(jīng)網(wǎng)絡(luò)用于圖像分割，本方法利用側(cè)抑制系數(shù)調(diào)節(jié)相鄰神經(jīng)元的脈沖發(fā)放，

3、模仿動(dòng)物視覺神經(jīng)細(xì)胞間的相互作用，加強(qiáng)了圖像邊緣和明暗細(xì)節(jié)處理，達(dá)到優(yōu)化分割結(jié)果的效果。側(cè)抑制機(jī)制的引入解決了一些分割中的問題，但實(shí)驗(yàn)發(fā)現(xiàn)模型參數(shù)的不同對(duì)分割的效果有很大影響。傳統(tǒng)的參數(shù)確定方法是根據(jù)經(jīng)驗(yàn)，通過多次實(shí)驗(yàn)來選擇，這就使分割效果好壞具有很大的偶然性，因此本文對(duì) PCNN模型參數(shù)確定方法進(jìn)行了討論，研究了基于果蠅算法的脈沖耦合神經(jīng)網(wǎng)絡(luò)(Pulse Coupled Neural Network based on Fruit Fl