神經(jīng)網(wǎng)絡(luò)方法在圖像分割中的應(yīng)用.pdf

1、圖像分割是圖像處理和計(jì)算機(jī)視覺領(lǐng)域一個(gè)重要的研究方向。它是計(jì)算機(jī)視覺以及醫(yī)學(xué)圖像處理、工業(yè)自動(dòng)化和衛(wèi)星圖像處理等實(shí)際應(yīng)用的算法基礎(chǔ)。人工神經(jīng)網(wǎng)絡(luò)是對人腦結(jié)構(gòu)的算法或硬件模擬,已經(jīng)被成功應(yīng)用于包括圖像分割的許多領(lǐng)域。但現(xiàn)有的基于神經(jīng)網(wǎng)絡(luò)的圖像分割方法在分割效果以及算法的時(shí)間復(fù)雜性和空間復(fù)雜性等方面都還存在著一定的問題。正是為了解決這些問題,本文新提出了兩種基于神經(jīng)網(wǎng)絡(luò)的圖像分割方法。第一種是基于Lotka-Volterra神經(jīng)網(wǎng)絡(luò)的方法。

2、Lotka-Volterra模型是一種競爭型回復(fù)式神經(jīng)網(wǎng)絡(luò),它是模擬生物神經(jīng)元的薄膜動(dòng)力學(xué)(membranedynamics)得到的,已被廣泛應(yīng)用于噪聲環(huán)境中的輸入選擇問題。用神經(jīng)元來對應(yīng)從圖像中提取出的邊緣特征,則可通過神經(jīng)元之間的相互競爭來同時(shí)實(shí)現(xiàn)對目標(biāo)和背景的分離以及不同對象的分割。神經(jīng)元之間的競爭是根據(jù)所對應(yīng)的邊緣特征之間的相關(guān)性進(jìn)行的,相關(guān)性的計(jì)算考慮了共圓性、平滑性、對比度變化和距離等因素。由于使用了圖像邊緣的全局結(jié)構(gòu)信息,

3、本方法有較好的抗噪聲能力。第二種方法是基于競爭型離散回復(fù)式神經(jīng)網(wǎng)絡(luò)(CDRNN)的方法。本方法主要側(cè)重于解決醫(yī)學(xué)圖像分割問題。CDRNN具有三維層次化的網(wǎng)絡(luò)結(jié)構(gòu),使用非飽和分段線性函數(shù)作為激活函數(shù),它的每一列對應(yīng)一個(gè)競爭型子網(wǎng)絡(luò)。本文在附錄中對CDRNN的動(dòng)力學(xué)行為進(jìn)行了分析。在將CDRNN用于醫(yī)學(xué)圖像分割時(shí),不僅使用了圖像的全局灰度信息,而且還使用了其局部紋理信息,從而使得分割的結(jié)果比基于全局灰度信息的方法更平滑和連續(xù)。但與其他基于局