1 内容介绍

为了降低脉冲耦合神经网络(pulse coupled neural network,PCNN)参数设置的复杂度,提出了一种利用哈里斯鹰优化算法(Harris Hawk optimization algorithm,HHO)搜索PCNN参数的图像自动分割方法.一方面,在不影响分割效果的情况下,减少了PCNN的参数个数;另一方面,HHO算法具有收敛速度快,全局搜索能力强的特点,能够快速,准确地搜索到PCNN相应参数.引入图像熵作为适应度函数,选取脑部MRI图像进行实验,通过精度,召回率和dice,比较了HHO结合PCNN与几种不同搜索机制的优化算法结合PCNN的分割性能,仿真实验结果表明,提出的方法有较高的分割精度和较强的鲁棒性,具有较高的工程实用价值.

2 部分代码

clc

clear all

close all

% 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('rice.png');

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;%为图像中第(i,j)个神经元与其邻域神经元的连接系数，也将神经元(i,j)称为中心神经元

Yuzhi=245;

Decay=0.3;%阈值衰减系数

[a,b]=size(X);

V_T=0.2;

%门限值

Threshold=zeros(a,b);

S=zeros(a+2,b+2);%点火状态

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(i==1|j==1|i==a|j==b)

%             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

% figure(2);

% imshow(Out);

%%%%%%%%%%%%%%%%%%%

(i，j)个神经元的输出,公式2-11

            else

                T(i0-1,i1-1)=0;

                Y(i0-1,i1-1)=0;%为图像中第(i，j)个神经元的输出,公式2-11

            end

        end

    end

    Threshold=exp(-Decay)*Threshold+V_T*Y;%公式2-10

    %被激活过的像素不再参与迭代过程

    if n==1

        S=zeros(a+2,b+2);

    else

        S=Bianhuan(T);

    end

    n=n+1;

    Firate=Firate+Y;

    figure(3);

    imshow(Y);

    Tempu2=Bianhuan(Tempu1);

end

Firate(find(Firate<10))=0;

figure(4);

imshow(Firate,[]);

3 运行结果

【图像分割】基于哈里斯鹰优化脉冲耦合神经网络实现图像分割附matlab代码_优化算法

4 参考文献

[1]贾鹤鸣, 康立飞, 孙康健,等. 哈里斯鹰算法优化脉冲耦合神经网络的图像自动分割[J]. 应用科技, 2019, 46(4):6.

部分理论引用网络文献，若有侵权联系博主删除。