基于脈沖耦合神經(jīng)網(wǎng)絡的圖像分割方法研究.pdf

1、隨著社會需求的增加和科技水平的高速發(fā)展，人們越來越重視數(shù)字圖像處理領域的研究工作和實際應用。作為數(shù)字圖像處理技術的重要組成部分，圖像分割及其相關研究得到了快速的發(fā)展。但同時，面對海量的圖像數(shù)據(jù)、不同的應用場景和日益增長的技術要求等具體條件時，圖像分割面臨的挑戰(zhàn)和困難也與日俱增。脈沖耦合神經(jīng)網(wǎng)絡作為高級哺乳動物視覺神經(jīng)系統(tǒng)的仿生，在圖像分割方面具有得天獨厚的優(yōu)勢。在這一背景下，本文以有助于提高圖像分割算法的抗噪性能、最佳分割圖像準確性和算

2、法效率為前提，對基于脈沖耦合神經(jīng)網(wǎng)絡的醫(yī)學眼底圖像的分割方法進行了研究。論文完成的主要工作和創(chuàng)新點有:
　　(1)針對二維Otsu算法應用于噪聲圖像分割時抗噪能力較弱的問題，本論文將中值濾波方法與二維Otsu算法相結(jié)合，提出了一種基于中值濾波的改進二維Otsu算法，通過仿真實驗驗證了算法的有效性，既能提高抗噪性能，又可保留更多邊緣細節(jié)。
　　(2)將改進的二維Otsu算法與脈沖耦合神經(jīng)網(wǎng)絡模型相結(jié)合，綜合考慮像素灰度、鄰域空

3、間信息和激活神經(jīng)元的能量反饋，提出了一種基于改進二維Otsu算法的脈沖耦合神經(jīng)網(wǎng)絡模型的圖像分割方法。該方法根據(jù)眼底圖像血管網(wǎng)絡的結(jié)構(gòu)特征，對增強后的眼底圖像運用PCNN的動態(tài)點火特性分割出增強圖像的血管網(wǎng)絡，然后采用改進的二維Otsu算法確定最佳迭代次數(shù)和最佳分割，實驗結(jié)果證明了該方法應用于眼底圖像分割的可行性和有效性。
　　(3)針對脈沖耦合神經(jīng)網(wǎng)絡模型參數(shù)過多且無法自動確定的難題，提出一種利用圖像分割質(zhì)量評價方法尋找PCNN