基于脉冲耦合神经网络模型的彩色图像分割方法研究要点.doc

基于脉冲耦合神经网络模型的彩色图像分割方法研究要点.doc

  1. 1、本文档共17页,可阅读全部内容。
  2. 2、有哪些信誉好的足球投注网站(book118)网站文档一经付费(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。
  3. 3、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载
  4. 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
查看更多
基于脉冲耦合神经网络模型的彩色图像分割方法研究要点

基于脉冲耦合神经网络模型的彩色图像分割方法 ——《模式识别与智能系统导论》考核 学 院: 电气工程学院 专 业: 学生姓名: 谷 朝 班 级: 研硕15级15班 学 号: 主讲教师 张 秀 玲 基于脉冲耦合神经网络模型的彩色图像分割方法 摘要:, 人们也提出了许多与一些特定理论、方法和工具相结合的彩色图像分割技术,其中包括了神经网络模型图像的分割,比如各种改进型的脉冲耦合神经网络(PCNN-Pulse Coupled Neural Network)与传统神经网络相比,有着根本的不同。PCNN有生物学的背景,它是依据猫、猴等动物的大脑皮层上的同步脉冲发放现象提出的。PCNN有着广泛的应用,可应用于图像分割,边缘检测、细化、识别等方面。 :; 1 引言 图像分割是一种重要的图像处理技术,它是将图像中有意义的特征或者需要应用的特征提取出来,是图像识别和图像理解的基本前提,在理论研究和实际应用中都得到了人们的广泛重视,图像分割质量的好坏直接影响后续图像处理的效果。 人工神经网络具有较好的泛化能力、,。Gray首先发现了猫的初生视觉皮层有神经激发相关振荡现象,并将其研究结果发在了Nature杂志上。与此同时,Eckhom也根据猫的大猫皮层的同步脉冲发放现象,提出了脉冲发现的连接模式,将开拓性地提出了PCNN基本模型。Gray和Eckhom被称为PCNN的鼻祖。我国的兰州大学马义德教授在PCNN研究领域有很大建树,发表了很多相关的论文,并出版了《脉冲耦合神经网络原理及其应用》和《脉冲耦合神经网络与数字图像原理》两本专著。 与BP神经网络和Kohonen神经网络相比,PCNN不需要学习或者训练,能从复杂背景下提取有效信息,具有同步脉冲发放和全局耦合等特性,其信号形式和处理机制更符合人类视觉神经系统的生理学基础。,PCNN神经网络在一定的条件下, 2 彩色图像分割 图像分割就是把图像分成若干个特定的、具有独特性质的区域并提出感兴趣目标的技术和过程。它是由图像处理到图像分析的关键步骤。 为了便于研究和理解,通常形式化定义如下[1]: 令集合R,RN,N5 对所有的和,有),有 (3) ,有 (4) ,是连通区域。5) ,R。 2]。其中,,或是,。,,3]。,。,。 基于特定理论的方法利用某种已经相当成熟的理论,、、、,4]。 3 脉冲耦合神经网络模型 基本PCNN神经网络是提出的一种有连接域的网络模型,它是由若干个神经元互连形成的反馈型神经网络,构成PCNN的神经元系统是一个复杂的非线性动态系统5]。一个PCNN神经元由三部分组成:接受部分,调制部分,脉冲发生器,其基本模型见下图: 分别以相对较小/较大的时间常数 对神经元某邻域内的其他神经元的输出进行漏电容积分加权和,此外还接受该神经元的外部刺激。链接器以乘积耦合形式 构成神经元J的内部行为Uj。脉冲产生器由对网络输出进行漏电容积分的变阈值特性(起激活该神经元的作用)和硬限幅函数(起抑制该神经元的作用)组成,脉冲是否产生取决于内部行为大小能否超过其激发动态门限,且此门限值随着该神经元输出状态的变化发生变化。当阈值θj小于Uj时,神经元被激活(即输出Yj=1),称之为点火一次,紧接着因为输出端对阈值的反馈使得阈值θj突然变高(通常Ve取值大),神经元又被抑制(即输出Y =0),从而在神经元输出端产生一个脉冲信号,此脉冲信号经过加权又连接到相邻神经元的输入端,从而影响这些神经元的激发状态,故该网络称为脉冲耦合神经网络。 其中 、 和 分别为神经元Nij 的外部刺激(输入) 、内部行为和输出; 和 分别为神经元的链接域和馈送域两个输入通道; M/ VF 和W/ VL 分别是馈送域和链接域的连接权系数矩阵/ 放大系数; 和 变阈值函数输出和阈值放大系数; 、 、 分别为链接域、馈送域和变阈值函数的时间常数, β:内部活动项的连接因子6]。 由上式我们可以看出,PCNN的主要参数就是上述四个,即权值、链接系数、初始阈值和衰减系数,使用各种优化算法对PCNN的参数进行优化时,往往主要优化链接系数,初始阈值和衰减系数,在一般情况下,主要是优化初始阈值和衰减系数。 PCNN 用于图像的分割原理:凭借 PCNN

文档评论(0)

此项为空 + 关注
实名认证
内容提供者

该用户很懒,什么也没介绍

1亿VIP精品文档

相关文档