本文關(guān)鍵詞：基于脈沖耦合神經(jīng)網(wǎng)絡(luò)的圖像分割方法研究

  更多相關(guān)文章： 脈沖耦合神經(jīng)網(wǎng)絡(luò) 圖像分割 二維Otsu 中值濾波 圖像分割質(zhì)量評價方法

【摘要】：隨著社會需求的增加和科技水平的高速發(fā)展,人們越來越重視數(shù)字圖像處理領(lǐng)域的研究工作和實際應(yīng)用。作為數(shù)字圖像處理技術(shù)的重要組成部分,圖像分割及其相關(guān)研究得到了快速的發(fā)展。但同時,面對海量的圖像數(shù)據(jù)、不同的應(yīng)用場景和日益增長的技術(shù)要求等具體條件時,圖像分割面臨的挑戰(zhàn)和困難也與日俱增。脈沖耦合神經(jīng)網(wǎng)絡(luò)作為高級哺乳動物視覺神經(jīng)系統(tǒng)的仿生,在圖像分割方面具有得天獨厚的優(yōu)勢。在這一背景下,本文以有助于提高圖像分割算法的抗噪性能、最佳分割圖像準(zhǔn)確性和算法效率為前提,對基于脈沖耦合神經(jīng)網(wǎng)絡(luò)的醫(yī)學(xué)眼底圖像的分割方法進行了研究。論文完成的主要工作和創(chuàng)新點有：(1)針對二維Otsu算法應(yīng)用于噪聲圖像分割時抗噪能力較弱的問題,本論文將中值濾波方法與二維Otsu算法相結(jié)合,提出了一種基于中值濾波的改進二維Otsu算法,通過仿真實驗驗證了算法的有效性,既能提高抗噪性能,又可保留更多邊緣細節(jié)。(2)將改進的二維Otsu算法與脈沖耦合神經(jīng)網(wǎng)絡(luò)模型相結(jié)合,綜合考慮像素灰度、鄰域空間信息和激活神經(jīng)元的能量反饋,提出了一種基于改進二維Otsu算法的脈沖耦合神經(jīng)網(wǎng)絡(luò)模型的圖像分割方法。該方法根據(jù)眼底圖像血管網(wǎng)絡(luò)的結(jié)構(gòu)特征,對增強后的眼底圖像運用PCNN的動態(tài)點火特性分割出增強圖像的血管網(wǎng)絡(luò),然后采用改進的二維Otsu算法確定最佳迭代次數(shù)和最佳分割,實驗結(jié)果證明了該方法應(yīng)用于眼底圖像分割的可行性和有效性。(3)針對脈沖耦合神經(jīng)網(wǎng)絡(luò)模型參數(shù)過多且無法自動確定的難題,提出一種利用圖像分割質(zhì)量評價方法尋找PCNN最佳參數(shù)設(shè)置的方法。針對基于改進二維Otsu算法的PCNN模型和眼底圖像類型,利用受試者工作特征曲線(ROC曲線),探討不同的參數(shù)設(shè)置與圖像分割結(jié)果之間的關(guān)系,尋找最佳參數(shù)設(shè)置,提高了參數(shù)設(shè)置的科學(xué)性和準(zhǔn)確性。
【關(guān)鍵詞】：脈沖耦合神經(jīng)網(wǎng)絡(luò) 圖像分割 二維Otsu 中值濾波 圖像分割質(zhì)量評價方法
【學(xué)位授予單位】：北京交通大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2016
【分類號】：TP391.41;TP183
【目錄】：

• 致謝5-6
• 摘要6-7
• ABSTRACT7-11
• 1 引言11-19
• 1.1 圖像分割研究背景及意義11-12
• 1.2 國內(nèi)外基于PCNN的圖像分割的研究現(xiàn)狀12-15
• 1.2.1 模型改進研究現(xiàn)狀12-13
• 1.2.2 最優(yōu)分割圖像判別準(zhǔn)則研究現(xiàn)狀13-14
• 1.2.3 提高分割圖像的抗噪性能研究現(xiàn)狀14-15
• 1.3 基于PCNN的圖像分割存在的難題15-16
• 1.4 論文安排16-19
• 1.4.1 論文研究思路16-17
• 1.4.2 論文主要研究內(nèi)容及創(chuàng)新點17-19
• 2 脈沖耦合神經(jīng)網(wǎng)絡(luò)模型及其動態(tài)行為分析19-27
• 2.1 引言19
• 2.2 脈沖耦合神經(jīng)網(wǎng)絡(luò)模型19-21
• 2.2.1 脈沖耦合神經(jīng)元模型19-21
• 2.2.2 脈沖耦合神經(jīng)網(wǎng)絡(luò)模型21
• 2.3 脈沖耦合神經(jīng)網(wǎng)絡(luò)模型的改進21-23
• 2.4 PCNN的動態(tài)行為分析23-25
• 2.4.1 無耦合鏈接情況下的PCNN動態(tài)行為分析23-24
• 2.4.2 耦合鏈接情況下的PCNN動態(tài)行為分析24-25
• 2.5 脈沖耦合神經(jīng)網(wǎng)絡(luò)在圖像處理中的應(yīng)用25-26
• 2.6 本章小結(jié)26-27
• 3 基于中值濾波的改進二維Otsu算法27-41
• 3.1 引言27
• 3.2 二維Otsu算法27-29
• 3.3 基于中值濾波的改進二維Otsu算法29-32
• 3.3.1 基于中值濾波的改進二維Otsu算法的提出29-31
• 3.3.2 基于中值濾波的改進二維Otsu算法基本理論31
• 3.3.3 算法實現(xiàn)流程31-32
• 3.4 實驗結(jié)果及分析32-40
• 3.5 本章小結(jié)40-41
• 4 基于改進二維Otsu算法的PCNN圖像分割方法41-61
• 4.1 引言41
• 4.2 眼底圖像血管分割的理論基礎(chǔ)41-43
• 4.3 基于改進二維Otsu算法的PCNN分割方法43-45
• 4.4 基于圖像分割質(zhì)量評價標(biāo)準(zhǔn)的參數(shù)自動設(shè)定45-47
• 4.4.1 理論基礎(chǔ)45-46
• 4.4.2 實現(xiàn)流程46-47
• 4.5 實驗結(jié)果及分析47-60
• 4.5.1 參數(shù)自動設(shè)定實驗結(jié)果及分析47-50
• 4.5.2 自動分割實驗結(jié)果及分析50-60
• 4.6 本章小結(jié)60-61
• 5 結(jié)論61-63
• 5.1 總結(jié)61-62
• 5.2 展望62-63
• 參考文獻63-66
• 作者簡歷及攻讀碩士學(xué)位期間取得的研究成果66-68
• 學(xué)位論文數(shù)據(jù)集68

【相似文獻】

中國期刊全文數(shù)據(jù)庫 前10條

1 唐偉力;龍建忠;;一種基于降雨模型的圖像分割方法在礫巖圖像分割中的應(yīng)用[J];成都信息工程學(xué)院學(xué)報;2007年02期

2 黃曉莉;曾黃麟;王秀碧;劉永春;;基于脈沖耦合神經(jīng)網(wǎng)絡(luò)的圖像分割[J];信息技術(shù);2008年09期

3 肖飛;綦星光;;圖像分割方法綜述[J];可編程控制器與工廠自動化;2009年11期

4 汪一休;;一種交互式圖像分割的修正優(yōu)化方法[J];中國科學(xué)技術(shù)大學(xué)學(xué)報;2010年02期

5 李丹;;圖像分割方法及其應(yīng)用研究[J];科技信息;2010年36期

6 龔永義;黃輝;于繼明;關(guān)履泰;;基于熵的兩區(qū)域圖像分割[J];中國圖象圖形學(xué)報;2011年05期

7 張甫;李興來;陳佳君;;淺談圖像分割方法的研究運用[J];科技創(chuàng)新與應(yīng)用;2012年04期

8 汪梅;何高明;賀杰;;常見圖像分割的技術(shù)分析與比較[J];計算機光盤軟件與應(yīng)用;2013年06期

9 魏慶;盧照敢;邵超;;基于復(fù)雜性指數(shù)的圖像分割必要性判別技術(shù)[J];計算機工程與應(yīng)用;2013年16期

10 陳曉丹;李思明;;圖像分割研究進展[J];現(xiàn)代計算機(專業(yè)版);2013年33期

中國重要會議論文全文數(shù)據(jù)庫 前10條

1 楊魁;趙志剛;;圖像分割技術(shù)綜述[A];2008年中國高校通信類院系學(xué)術(shù)研討會論文集（下冊）[C];2009年

2 楊暄;郭成安;李建華;;改進的脈沖耦合神經(jīng)網(wǎng)絡(luò)及其在圖像分割中的應(yīng)用[A];第十屆全國信號處理學(xué)術(shù)年會（CCSP-2001）論文集[C];2001年

3 楊生友;;圖像分割在醫(yī)學(xué)圖像中應(yīng)用現(xiàn)狀綜述[A];2009中華醫(yī)學(xué)會影像技術(shù)分會第十七次全國學(xué)術(shù)大會論文集[C];2009年

4 閆平昆;;基于模型的圖像分割技術(shù)及其醫(yī)學(xué)應(yīng)用[A];第十五屆全國圖象圖形學(xué)學(xué)術(shù)會議論文集[C];2010年

5 高嵐;胡友為;潘峰;盧凌;;基于小生境遺傳算法的SAR圖像分割[A];可持續(xù)發(fā)展的中國交通——2005全國博士生學(xué)術(shù)論壇（交通運輸工程學(xué)科）論文集（下冊）[C];2005年

6 孫莉;張艷寧;胡伏原;趙榮椿;;基于Gaussian-Hermite矩的SAR圖像分割[A];第十三屆全國圖象圖形學(xué)學(xué)術(shù)會議論文集[C];2006年

7 李盛;;基于協(xié)同聚類的圖像分割[A];第十四屆全國圖象圖形學(xué)學(xué)術(shù)會議論文集[C];2008年

8 張利;許家佗;;舌象圖像分割技術(shù)的研究與應(yīng)用進展[A];中華中醫(yī)藥學(xué)會中醫(yī)診斷學(xué)分會第十次學(xué)術(shù)研討會論文集[C];2009年

9 秦昆;李振宇;李輝;李德毅;;基于云模型和格網(wǎng)劃分的圖像分割方法[A];《測繪通報》測繪科學(xué)前沿技術(shù)論壇摘要集[C];2008年

10 高惠琳;竇麗華;陳文頡;謝剛;;圖像分割技術(shù)在醫(yī)學(xué)CT中的應(yīng)用[A];中國自動化學(xué)會控制理論專業(yè)委員會A卷[C];2011年

中國博士學(xué)位論文全文數(shù)據(jù)庫 前10條

1 白雪飛;基于視覺顯著性的圖像分割方法研究[D];山西大學(xué);2014年

2 黃萬里;基于高分衛(wèi)星數(shù)據(jù)多尺度圖像分割方法的天山森林小班邊界提取研究[D];福建師范大學(xué);2015年

3 王輝;圖像分割的最優(yōu)化和水平集方法研究[D];電子科技大學(xué);2014年

4 高婧婧;腦部MR圖像分割理論研究[D];電子科技大學(xué);2014年

5 潘改;偏微分方程在圖像分割中的應(yīng)用研究[D];東北大學(xué);2013年

6 馮籍瀾;高分辨率SAR圖像分割與分類方法研究[D];電子科技大學(xué);2015年

7 李偉斌;圖像分割中的變分模型與快速算法研究[D];國防科學(xué)技術(shù)大學(xué);2014年

8 鄧曉政;基于免疫克隆選擇優(yōu)化和譜聚類的復(fù)雜圖像分割[D];西安電子科技大學(xué);2014年

9 帥永e，

本文編號：576103