【图像分割】脉冲耦合神经网络图像分割【含Matlab源码 3925期】

✅博主简介：热爱科研的Matlab仿真开发者，修心和技术同步精进，Matlab项目合作可私信。
🍎个人主页：海神之光
🏆代码获取方式：
海神之光Matlab王者学习之路—代码获取方式
⛳️座右铭：行百里者，半于九十。

更多Matlab仿真内容点击👇
Matlab图像处理（进阶版）
路径规划（Matlab）
神经网络预测与分类（Matlab）
优化求解（Matlab）
语音处理（Matlab）
信号处理（Matlab）
车间调度（Matlab）

⛄一、脉冲耦合神经网络图像分割简介

1 脉冲耦合神经网络
脉冲耦合神经网络（PCNN-Pulse Coupled Neural Network）与传统神经网络相比，有着根本的不同。PCNN有生物学的背景，它是依据猫、猴等动物的大脑皮层上的同步脉冲发放现象提出的。PCNN有着广泛的应用，可应用于图像分割，边缘检测、细化、识别等方面。

PCNN是Eckhorn于20世纪90年代开始提出的一种基于猫的视觉原理构建的简化神经网络模型，与BP神经网络和Kohonen神经网络相比，PCNN不需要学习或者训练，能从复杂背景下提取有效信息，具有同步脉冲发放和全局耦合等特性，其信号形式和处理机制更符合人类视觉神经系统的生理学基础。

一个生理激励的人工神经网络，脉冲耦合神经网络（PCNN），可以连接起来创建一个高度灵活的生理滤波器。PCNN对灵长类视觉皮层中观察到的脉冲高度、持续时间、重复频率和神经间联系进行建模。该模型不仅能满足我们视觉模型的滤波要求，还能产生所需的连接和脉冲，以模拟依赖于状态的调制和时间同步。图4显示了PCNN中单个神经元的框图。

有关PCNN的更多讨论，请参见参考文献[3]和[5]。表2显示了实现离散时间PCNN所需的方程式。在该模型中，PCNN神经元接收来自前一层次结构层的馈电输入（X2），并接收来自其自身和其他层的链接输入（Y）。可重入输入将被视为链接输入。图5显示了样本PCNN中单个神经元的馈电和连接。

单个PCNN神经元的滤波特性由馈电输入的模式和应用于这些输入的权重决定。滤光片的感受野由前一层馈电输入连接的形状决定。滤波特性由应用于进给输入的权重确定。例如，一个具有高斯（椭圆形）感受野的神经元将具有以椭圆形模式连接到前一层的馈电输入。在该椭圆模式中，应用于进给输入的权重（M2）在中心处为单位，并随着朝向椭圆边缘的高斯曲线而减小。

2 脉冲耦合神经网络图像分割
脉冲耦合神经网络（Pulse-Coupled Neural Network，PCNN）是一种基于生物神经网络的图像分割方法。PCNN模拟了生物神经系统中神经元之间的相互作用和信息传递过程，通过对图像进行脉冲耦合操作来实现图像分割。

PCNN的图像分割原理如下：
（1）输入图像转化为灰度图像：首先将彩色图像转化为灰度图像，以便后续处理。
（2）图像预处理：对灰度图像进行预处理，包括平滑、增强等操作，以提取图像的特征。
（3）脉冲生成：将预处理后的图像转化为脉冲信号，其中每个像素点的灰度值对应一个脉冲发放的时间。
（4）脉冲传播：脉冲信号在整个图像中传播，通过计算每个像素点与其周围像素点之间的相似性来确定脉冲传播的路径。
（5）脉冲耦合：当两个脉冲同时到达一个像素点时，它们会发生脉冲耦合，即两个脉冲信号相加。
（6）阈值判断：根据设定的阈值，判断脉冲耦合后的像素点是否达到阈值，如果达到则认为该像素点属于目标物体。
（7）分割结果输出：将分割结果输出为二值图像，其中目标物体的像素值为1，背景像素值为0。

⛄二、部分源代码

function [Edge,Numberofaera]=pcnn(X)
% 功能：采用PCNN算法进行边缘检测
% 输入：X—输入的灰度图像
% 输出：Edge—检测到的 Numberofaera—表明了在各次迭代时激活的块区域
X=imread(‘lena.JPG’);
figure(1);
imshow(X);
X=double(X);
% 设定权值
Weight=[0.07 0.1 0.07;0.1 0 0.1;0.07 0.1 0.07];
WeightLI2=[-0.03 -0.03 -0.03;-0.03 0 -0.03;-0.03 -0.03 -0.03];
d=1/(1+sum(sum(WeightLI2)));
%%%%%%测试权值%%%%%%
WeightLI=[-0.03 -0.03 -0.03;-0.03 0.5 -0.03;-0.03 -0.03 -0.03];
d1=1/(sum(sum(WeightLI)));
%%%%%%%%%%%%%%%%%%
Beta=0.4;
Yuzhi=245;
%衰减系数
Decay=0.3;
[a,b]=size(X);
V_T=0.2;
%门限值
Threshold=zeros(a,b);
S=zeros(a+2,b+2);
Y=zeros(a,b);
%点火频率
Firate=zeros(a,b);
n=1;
%统计循环次数
count=0;
Tempu1=zeros(a,b);
Tempu2=zeros(a+2,b+2);
%%%%%%图像增强部分%%%%%%
Out=zeros(a,b);
Out=uint8(Out);
for i=1:a
for j=1:b
if(i1|j1|ia|jb)
Out(i,j)=X(i,j);
else
H=[X(i-1,j-1) X(i-1,j) X(i-1,j+1);
X(i,j-1) X(i,j) X(i,j+1);
X(i+1,j-1) X(i+1,j) X(i+1,j+1)];
temp=d1*sum(sum(H.*WeightLI));
Out(i,j)=temp;
end
end
end

⛄三、运行结果

⛄四、matlab版本及参考文献

1 matlab版本
2014a

2 参考文献
[1]师韵,王震,王旭启,张善文.基于改进遗传算法的最大熵作物病害叶片图像分割算法[J].江苏农业科学. 2015,43(09)

3 备注
简介此部分摘自互联网，仅供参考，若侵权，联系删除

🍅 仿真咨询
1 各类智能优化算法改进及应用
生产调度、经济调度、装配线调度、充电优化、车间调度、发车优化、水库调度、三维装箱、物流选址、货位优化、公交排班优化、充电桩布局优化、车间布局优化、集装箱船配载优化、水泵组合优化、解医疗资源分配优化、设施布局优化、可视域基站和无人机选址优化

2 机器学习和深度学习方面
卷积神经网络（CNN）、LSTM、支持向量机（SVM）、最小二乘支持向量机（LSSVM）、极限学习机（ELM）、核极限学习机（KELM）、BP、RBF、宽度学习、DBN、RF、RBF、DELM、XGBOOST、TCN实现风电预测、光伏预测、电池寿命预测、辐射源识别、交通流预测、负荷预测、股价预测、PM2.5浓度预测、电池健康状态预测、水体光学参数反演、NLOS信号识别、地铁停车精准预测、变压器故障诊断

3 图像处理方面
图像识别、图像分割、图像检测、图像隐藏、图像配准、图像拼接、图像融合、图像增强、图像压缩感知

4 路径规划方面
旅行商问题（TSP）、车辆路径问题（VRP、MVRP、CVRP、VRPTW等）、无人机三维路径规划、无人机协同、无人机编队、机器人路径规划、栅格地图路径规划、多式联运运输问题、车辆协同无人机路径规划、天线线性阵列分布优化、车间布局优化

5 无人机应用方面
无人机路径规划、无人机控制、无人机编队、无人机协同、无人机任务分配

6 无线传感器定位及布局方面
传感器部署优化、通信协议优化、路由优化、目标定位优化、Dv-Hop定位优化、Leach协议优化、WSN覆盖优化、组播优化、RSSI定位优化

7 信号处理方面
信号识别、信号加密、信号去噪、信号增强、雷达信号处理、信号水印嵌入提取、肌电信号、脑电信号、信号配时优化

8 电力系统方面
微电网优化、无功优化、配电网重构、储能配置

9 元胞自动机方面
交通流 人群疏散 病毒扩散 晶体生长

10 雷达方面
卡尔曼滤波跟踪、航迹关联、航迹融合