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。它具有生物學背景，是在研究哺乳動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特的優(yōu)勢，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，而且在其他一些智能信息處理領(lǐng)域也取得了不錯的研究成果。
　　本文主要針對脈沖耦合神經(jīng)網(wǎng)絡(luò)在圖像分割領(lǐng)域中應(yīng)用時存在的一些問題進行了探討和研究

2、。簡化的脈沖耦合神經(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背景的視覺側(cè)抑制機制與 PCNN有機結(jié)合，研究了基于側(cè)抑制機制的脈沖耦合神經(jīng)網(wǎng)絡(luò)（LI-PCNN）。將基于側(cè)抑制機制的脈沖耦合神經(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、模仿動物視覺神經(jīng)細胞間的相互作用，加強了圖像邊緣和明暗細節(jié)處理，達到優(yōu)化分割結(jié)果的效果。側(cè)抑制機制的引入解決了一些分割中的問題，但實驗發(fā)現(xiàn)模型參數(shù)的不同對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，通過多次實驗來選擇，這就使分割效果好壞具有很大的偶然性，因此本文對 PCNN模型參數(shù)確定方法進行了討論，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