基于脉冲耦合神经网络的图像分割方法研究

发布时间：2017-07-26 11:15

  本文关键词：基于脉冲耦合神经网络的图像分割方法研究

  更多相关文章： 脉冲耦合神经网络 图像分割 二维Otsu 中值滤波 图像分割质量评价方法

【摘要】：随着社会需求的增加和科技水平的高速发展,人们越来越重视数字图像处理领域的研究工作和实际应用。作为数字图像处理技术的重要组成部分,图像分割及其相关研究得到了快速的发展。但同时,面对海量的图像数据、不同的应用场景和日益增长的技术要求等具体条件时,图像分割面临的挑战和困难也与日俱增。脉冲耦合神经网络作为高级哺乳动物视觉神经系统的仿生,在图像分割方面具有得天独厚的优势。在这一背景下,本文以有助于提高图像分割算法的抗噪性能、最佳分割图像准确性和算法效率为前提,对基于脉冲耦合神经网络的医学眼底图像的分割方法进行了研究。论文完成的主要工作和创新点有：(1)针对二维Otsu算法应用于噪声图像分割时抗噪能力较弱的问题,本论文将中值滤波方法与二维Otsu算法相结合,提出了一种基于中值滤波的改进二维Otsu算法,通过仿真实验验证了算法的有效性,既能提高抗噪性能,又可保留更多边缘细节。(2)将改进的二维Otsu算法与脉冲耦合神经网络模型相结合,综合考虑像素灰度、邻域空间信息和激活神经元的能量反馈,提出了一种基于改进二维Otsu算法的脉冲耦合神经网络模型的图像分割方法。该方法根据眼底图像血管网络的结构特征,对增强后的眼底图像运用PCNN的动态点火特性分割出增强图像的血管网络,然后采用改进的二维Otsu算法确定最佳迭代次数和最佳分割,实验结果证明了该方法应用于眼底图像分割的可行性和有效性。(3)针对脉冲耦合神经网络模型参数过多且无法自动确定的难题,提出一种利用图像分割质量评价方法寻找PCNN最佳参数设置的方法。针对基于改进二维Otsu算法的PCNN模型和眼底图像类型,利用受试者工作特征曲线(ROC曲线),探讨不同的参数设置与图像分割结果之间的关系,寻找最佳参数设置,提高了参数设置的科学性和准确性。
【关键词】：脉冲耦合神经网络 图像分割 二维Otsu 中值滤波 图像分割质量评价方法
【学位授予单位】：北京交通大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：TP391.41;TP183
【目录】：

• 致谢5-6
• 摘要6-7
• ABSTRACT7-11
• 1 引言11-19
• 1.1 图像分割研究背景及意义11-12
• 1.2 国内外基于PCNN的图像分割的研究现状12-15
• 1.2.1 模型改进研究现状12-13
• 1.2.2 最优分割图像判别准则研究现状13-14
• 1.2.3 提高分割图像的抗噪性能研究现状14-15
• 1.3 基于PCNN的图像分割存在的难题15-16
• 1.4 论文安排16-19
• 1.4.1 论文研究思路16-17
• 1.4.2 论文主要研究内容及创新点17-19
• 2 脉冲耦合神经网络模型及其动态行为分析19-27
• 2.1 引言19
• 2.2 脉冲耦合神经网络模型19-21
• 2.2.1 脉冲耦合神经元模型19-21
• 2.2.2 脉冲耦合神经网络模型21
• 2.3 脉冲耦合神经网络模型的改进21-23
• 2.4 PCNN的动态行为分析23-25
• 2.4.1 无耦合链接情况下的PCNN动态行为分析23-24
• 2.4.2 耦合链接情况下的PCNN动态行为分析24-25
• 2.5 脉冲耦合神经网络在图像处理中的应用25-26
• 2.6 本章小结26-27
• 3 基于中值滤波的改进二维Otsu算法27-41
• 3.1 引言27
• 3.2 二维Otsu算法27-29
• 3.3 基于中值滤波的改进二维Otsu算法29-32
• 3.3.1 基于中值滤波的改进二维Otsu算法的提出29-31
• 3.3.2 基于中值滤波的改进二维Otsu算法基本理论31
• 3.3.3 算法实现流程31-32
• 3.4 实验结果及分析32-40
• 3.5 本章小结40-41
• 4 基于改进二维Otsu算法的PCNN图像分割方法41-61
• 4.1 引言41
• 4.2 眼底图像血管分割的理论基础41-43
• 4.3 基于改进二维Otsu算法的PCNN分割方法43-45
• 4.4 基于图像分割质量评价标准的参数自动设定45-47
• 4.4.1 理论基础45-46
• 4.4.2 实现流程46-47
• 4.5 实验结果及分析47-60
• 4.5.1 参数自动设定实验结果及分析47-50
• 4.5.2 自动分割实验结果及分析50-60
• 4.6 本章小结60-61
• 5 结论61-63
• 5.1 总结61-62
• 5.2 展望62-63
• 参考文献63-66
• 作者简历及攻读硕士学位期间取得的研究成果66-68
• 学位论文数据集68

【相似文献】

中国期刊全文数据库 前10条

1 唐伟力;龙建忠;;一种基于降雨模型的图像分割方法在砾岩图像分割中的应用[J];成都信息工程学院学报;2007年02期

2 黄晓莉;曾黄麟;王秀碧;刘永春;;基于脉冲耦合神经网络的图像分割[J];信息技术;2008年09期

3 肖飞;綦星光;;图像分割方法综述[J];可编程控制器与工厂自动化;2009年11期

4 汪一休;;一种交互式图像分割的修正优化方法[J];中国科学技术大学学报;2010年02期

5 李丹;;图像分割方法及其应用研究[J];科技信息;2010年36期

6 龚永义;黄辉;于继明;关履泰;;基于熵的两区域图像分割[J];中国图象图形学报;2011年05期

7 张甫;李兴来;陈佳君;;浅谈图像分割方法的研究运用[J];科技创新与应用;2012年04期

8 汪梅;何高明;贺杰;;常见图像分割的技术分析与比较[J];计算机光盘软件与应用;2013年06期

9 魏庆;卢照敢;邵超;;基于复杂性指数的图像分割必要性判别技术[J];计算机工程与应用;2013年16期

10 陈晓丹;李思明;;图像分割研究进展[J];现代计算机(专业版);2013年33期

中国重要会议论文全文数据库 前10条

1 杨魁;赵志刚;;图像分割技术综述[A];2008年中国高校通信类院系学术研讨会论文集（下册）[C];2009年

2 杨暄;郭成安;李建华;;改进的脉冲耦合神经网络及其在图像分割中的应用[A];第十届全国信号处理学术年会（CCSP-2001）论文集[C];2001年

3 杨生友;;图像分割在医学图像中应用现状综述[A];2009中华医学会影像技术分会第十七次全国学术大会论文集[C];2009年

4 闫平昆;;基于模型的图像分割技术及其医学应用[A];第十五届全国图象图形学学术会议论文集[C];2010年

5 高岚;胡友为;潘峰;卢凌;;基于小生境遗传算法的SAR图像分割[A];可持续发展的中国交通——2005全国博士生学术论坛（交通运输工程学科）论文集（下册）[C];2005年

6 孙莉;张艳宁;胡伏原;赵荣椿;;基于Gaussian-Hermite矩的SAR图像分割[A];第十三届全国图象图形学学术会议论文集[C];2006年

7 李盛;;基于协同聚类的图像分割[A];第十四届全国图象图形学学术会议论文集[C];2008年

8 张利;许家佗;;舌象图像分割技术的研究与应用进展[A];中华中医药学会中医诊断学分会第十次学术研讨会论文集[C];2009年

9 秦昆;李振宇;李辉;李德毅;;基于云模型和格网划分的图像分割方法[A];《测绘通报》测绘科学前沿技术论坛摘要集[C];2008年

10 高惠琳;窦丽华;陈文颉;谢刚;;图像分割技术在医学CT中的应用[A];中国自动化学会控制理论专业委员会A卷[C];2011年

中国博士学位论文全文数据库 前10条

1 白雪飞;基于视觉显著性的图像分割方法研究[D];山西大学;2014年

2 黄万里;基于高分卫星数据多尺度图像分割方法的天山森林小班边界提取研究[D];福建师范大学;2015年

3 王辉;图像分割的最优化和水平集方法研究[D];电子科技大学;2014年

4 高婧婧;脑部MR图像分割理论研究[D];电子科技大学;2014年

5 潘改;偏微分方程在图像分割中的应用研究[D];东北大学;2013年

6 冯籍澜;高分辨率SAR图像分割与分类方法研究[D];电子科技大学;2015年

7 李伟斌;图像分割中的变分模型与快速算法研究[D];国防科学技术大学;2014年

8 邓晓政;基于免疫克隆选择优化和谱聚类的复杂图像分割[D];西安电子科技大学;2014年

9 帅永e，

本文编号：576103