三维连接系数矩阵的脉冲耦合神经网络彩色图像分割.pdfVIP

第 l5卷 第 6期 2015年2月 科 学 技 术 与 工 程 Vo1．15 No．6 Feb．2015 1671— 1815(2015)06—0231—05 ScienceTechnologyandEngineering @ 2015 Sci．Tech．Engrg． 三维连接系数矩阵的脉冲耦合神经 网络彩色图像分割 王 霞 郭 林 王蒙军 ’ (河北工业大学信息工程学院 ；电子材料与器件天津市重点实验室 ，天津 300401) 摘 要 提出三维连接系数矩阵的脉冲耦合神经网络(3D-PCNN)模型，将二维连接系数矩阵扩展成三维，值取空间欧氏距离 的倒数，提出指数上升的动态阈值。利用神经元脉冲同步发放特性和 自动波特性，直接分割彩色图像。结果表 明，3D—PCNN 算法与其他分割算法相比，运行时间减少了25％以上；该算法能够将不同区域信息以多层次彩色显示，改变RGB分量输入顺 序时，同样可以分辨出更多的图像细节信息，分割精度高。 关键词 彩色图像分割 脉冲耦合神经网络 三维连接系数矩阵 三维立体脉冲耦合神经网络 中图法分类号 TP391．41； 文献标志码 A 彩色图像分割是三维图像识别等处理的重要环 单输入通道，在图像处理研究领域要求输入数据是 节，尤其是彩色图像分割是各领域分析的最基本也 二维图像序列，如灰度图像或者是某个彩色模型的 是最重要的预处理，因此研究彩色图像分割具有重 单一彩色分量，因此无法同时利用不同彩色分量的 要的意义。目前常用的三维分割方法有三维边缘检 相互关系 j。随着研究的深入 ，研究人员开始采 测方法 J，它虽然能够将所有边缘检测出来；但是 用了三维PCNN模型进行图像的处理。文献[9]和 很难确定检测出的边缘与感兴趣区域边界的关系； 文献 [10]使用三维 PCNN进行图像处理时，采用灰 另外，对于对 比度不明显的数据边缘检测算法不太 度图像，第三维参数是时间，对应图像序列的帧数。 适合，并且对噪声十分敏感。分类器算法 J，通常 施俊 ¨lI挖和Nigel等 利用三维PCNN简化模型来 不进行任何空间建模，对于强度不均匀的图像进行 分析 CT和MRI切片图像序列中相邻图像帧之间的 分割时不能达到很好的效果；并且需要人工训练得 相关性，实现医学图像分割研究，研究中所采用的数 到训练数据，不同体征的人使用同一训练集对大批 据均为灰度图像，第三维参数是切片位置。这些研究 扫描图像进行分割容易导致分割结果产生误差或错 虽然采用了三维PCNN模型，但是三维PCNN模型的 误。三维最大类间方差法 ，计算量 比较大，运行 使用由于应用 目的不同，第三维参数是时间参数和空 时间比较长，通常不能满足人眼要求，还需要利用有 间参数，与彩色信息毫无关系，不同彩色分量之间的 效方法对分割结果进行处理。但是三维连接系数矩 相互关系在模型中仍然没有得到利用。基于视觉感 阵的脉冲耦合神经网络分割算法方法充分利用了三 知理论的彩色图像处理应该模拟神经元综合不同通 维空间的位置信息，对每个像素点的处理都考虑其 道彩色分量的过程，来提高分析效果。 周围三维空间的其他像素点的信息，避免了以上几 通过扩展二维连接系数矩阵到三维，使得PCNN 种方法的不足，并且其运行时间短。 由二维平面扩展到了三维立体空间，成为三维立体 脉冲耦合神经 网络 (pulsecoupledneuralnet- 脉冲耦合神经网络模型，简称 3D．PCNN。三维连接 work，PCNN)，由Eckhorn根据模拟猫的视觉皮层神 系数矩阵可看成是三个平面，它与三个输入通道相 经元