基于脈沖耦合神經(jīng)網(wǎng)絡(luò)的圖像分割算法研究.pdf

1、代號(hào)代號(hào)分類號(hào)分類號(hào)學(xué)號(hào)學(xué)號(hào)密級(jí)密級(jí)1070110701TPTP391391公開(kāi)公開(kāi)10194221601019422160題（中、英文）（中、英文）目基于脈沖耦合神經(jīng)網(wǎng)絡(luò)的圖像分割算法研究基于脈沖耦合神經(jīng)網(wǎng)絡(luò)的圖像分割算法研究ResearchonImageSegmentationAlgithmBasedonPulseCoupleNeuralwk作者姓名作者姓名黃國(guó)峰黃國(guó)峰指導(dǎo)教師姓名指導(dǎo)教師姓名、職務(wù)職務(wù)楊兵楊兵副教授副教授學(xué)科門(mén)類學(xué)

2、科門(mén)類工學(xué)工學(xué)提交論文提交論文日期日期二○一二○一三年一月年一月學(xué)科、專業(yè)學(xué)科、專業(yè)生物醫(yī)學(xué)工程生物醫(yī)學(xué)工程摘要摘要摘要脈沖耦合神經(jīng)網(wǎng)絡(luò)（PCNN）被稱為第三代人工神經(jīng)網(wǎng)絡(luò)，是根據(jù)哺乳動(dòng)物的視覺(jué)皮層同步脈沖發(fā)放現(xiàn)象提出的。與傳統(tǒng)人工神經(jīng)網(wǎng)絡(luò)相比，它因有動(dòng)態(tài)神經(jīng)網(wǎng)、時(shí)空綜合特性、波的自動(dòng)傳播、同步脈沖發(fā)放等特征而備受關(guān)住，使其在圖像處理中能較完整的保留圖像的信息，有利于圖像的分割。在圖像分析中，熵作為一種圖像的統(tǒng)計(jì)特征，反映了圖像中所包含

3、信息量的大小。但對(duì)圖像分割而言，分割之后得到的圖像的熵值越大，反映了分割后得到的信息量也越大，分割細(xì)節(jié)越豐富。本文首先將PCNN和改進(jìn)的PCNN兩種網(wǎng)絡(luò)作對(duì)比，之后又分別結(jié)合圖像模糊熵和交叉熵，將最大模糊熵準(zhǔn)則和最小交叉熵準(zhǔn)則應(yīng)用到PCNN的圖像分割，設(shè)置好迭代次數(shù)之后，能分別得到包含原圖信息量最多的分割圖像和與原圖差異最小的圖像，得到最佳分割迭代次數(shù)，實(shí)現(xiàn)一定意義上的自動(dòng)分割。之后又把兩者相結(jié)合，提出一種基于最大熵準(zhǔn)則和最小交叉熵的P