脉冲耦合神经网络在医学图像处理中的应用.pdfVIP

脉冲耦合神经网络在医学图像处理中的应用 马振兴，赵硕 北京邮电大学电信工程学院，北京（100876 ） E-mail：marsma@ 摘 要：本文通过将脉冲耦合神经网络应用到医学图像处理中，在 HIS 色彩空间上的彩色 图像增强算法。该算法能够在平滑图像、突出图像边缘的同时,通过对亮度强度分量的均衡 化处理和对饱和度分量的非线性指数调整,改善了医学图像的视觉效果和图像色彩的真实效 果。 关键词：图像处理，脉冲耦合神经网络，医学图像 1．引言 医学的发展要求更高的图像清晰度来满足高科技手术的要求，由于人眼能分辨的灰度等 级是有限的，所以有些图像看起来是同一灰度，但是实际上他们存在微小的差别，这样如果 我们直接进行锐化处理，这些原本看起来是同一灰度级的区域，有可能出现灰度的不同变化， 使得图像效果恶化。为了减少这种情况的出现，本文采用 PCNN 机制对医学图像进行灰度 均衡处理，达到了比较理想的效果。 2 ．PCNN 的固有机制介绍 脉冲耦合神经网络(Pulse-Coupled Neural Networks,PCNN)是 Eckhorn 提出的一种通过模 拟在哺乳动物的大脑视觉皮层中所观察到的与特征有关的神经元同步行为而建立起来的一 [1] 个简化模型 。目前,关于 PCNN 模型及其应用研究在国内外得到了广泛的重视,并且已被证 实在图像处理上有着重要的应用前景。本文提出了将 PCNN 用于图像锐化的研究中,通过理 论分析和实验验证,表明该方法不仅能较好地平滑图像区域、突出图像边缘,而且能明显地改 善图像的视觉效果、增强图像的真实效果。 从 20 世纪 90 年代开始，由 R.Eckhorn 等对猫的视觉皮层神经元脉冲串同步振荡现象的 研究，得到了哺乳动物神经元模型，并由此发展成了脉冲耦合神经网络 PCNN 模型。该模 型如下图所示： 图 1 脉冲耦合神经网络原理图 - 1 - PCNN 是一种不同于传统人工神经网络的新型神经网络。它是在哺乳动物的大脑视觉皮 层行为的启发下而建立起来的。与传统人工神经网络的最大区别是：(1)构成 PCNN 系统的 每一神经元是动态神经元;(2)每一神经元具有动态脉冲发放特性;(3)PCNN 系统不需要训练, 是一个强自适应系统。 为了更好的将 PCNN 用于图像增强，我们将 PCNN 模型作如下简化： F ij [n] = I ij [n]= exp(- ) [n]+ ∑W Y [n −1] Lij αij Lij VL ijkl kl U [n] F [n] (1+ β [n] ) （1） ij ij Lij [n] exp(−α )θ [n −1] +V Y [n −1] θij θ ij θ ij Y =1 , [n] [n] ij Uij θij Y =0 , [n] ≤ [n] ij Uij θij 若把 PCNN 看作为二维空间分布的结构模型,那么,每一神经元Nij (i, j =1,2,3,…)的结 构框图如图 1。由图中看出,每一神经元除接收来自外部的刺激I ij 外,还接收来自内部网络其 他神经元的馈送输入F 和联接输入