一种基于脉冲耦合神经网络的图像分割技术

一、引言

近年来，基于脉冲耦合神经网络(PCNN)已被广泛应用于图像平滑、分割以及边缘检测等图像处理领域的研究中并显示了其优越性。PCNN 由Echorn提出的神经元模型，该模型是直接观察猫的视觉皮层神经细胞，并模拟其视觉神经细胞活动而得到的人工神经元模型。正因为PCNN模型算法直接源自于哺乳动物的视觉特性研究，其非常适合于图像分割、图像平滑及降噪等应用。

二、算法原理描述

关于该算法的详细描述，可参考以下文献[1]

二维图像矩阵M×N可以理解 M×N个PCNN神经元模型，其每一个像素的灰度值对应为每个神经元的输入Sij。当内部连接矩阵M、W所在邻域内有灰度值相近的像素存在时，则其中某一个像素激发产生的脉动输出将会引起附近其他类似灰度像素对应神经元的激发，产生脉动序列输出 Y[n]。显然序列Y[n]包含有图像区域信息、边缘、纹理特征等信息。这样输出序列 Y[n]构成的二值图像就是 PCNN输出分割图像。这就是 PCNN 进行图像分割的简单原理。

三、算法模拟实验

本文对lena图像进行分割模拟实验，基于脉冲耦合神经网络的图像分割结果如图1所示：

图1. 基于脉冲耦合神经网络的图像分割结果

四、参考文献

[1] 马义德, 戴若兰, 李廉. 一种基于脉冲耦合神经网络和图像熵的自动图像分割方法 [J]. 通信学报, 2002, (01): 46-51.

五、资源获取

关于上述资源(matlab程序)的获取，请私信博主；可提供相关领域的技术支持。