三维连接系数矩阵的脉冲耦合神经网络彩色图像分割

提出三维连接系数矩阵的脉冲耦合神经网络(3D-PCNN)模型,将二维连接系数矩阵扩展成三维,值取空间欧氏距离的倒数,提出指数上升的动态阈值。利用神经元脉冲同步发放特性和自动波特性,直接分割彩色图像。结果表明,3D-PCNN算法与其他分割算法相比,运行时间减少了25%以上;该算法能够将不同区域信息以多层次彩色显示,改变RGB分量输入顺序时,同样可以分辨出更多的图像细节信息,分割精度高。

基于脉冲耦合神经网络和Markov随机场的立体匹配研究

立体匹配是寻找立体图像对中对应点的问题,是立体视觉的核心问题。现有立体匹配算法通常是就立体匹配问题建立适当的数学模型并进行求解,在匹配速度和匹配精度之间存在矛盾。以生物视觉研究为背景,提出一种基于脉冲耦合神经网络(PCNN)的立体匹配方法。该方法以Markov随机场(MRF)上的贝叶斯模型为基础,并利用PCNN建立其似然概率模型。将左右2幅图像分别输入到2个PCNN网络,通过迭代生成点火时间序列。引入点火时间序列的平均点火时间差的概念,利用2个像素对应神经元的平均点火时间差来评价2个像素的相似性,并以此为基础确定似然概率。最后利用信任传递(BP)算法求解Markov随机场模型的最大后验概率问题。利用广泛使用的立体视觉测试图像对算法进行了实验。实验结果表明该算法能够有效实现立体匹配,匹配效果较好。

基于三维脉冲耦合神经网络模型的医学图像分割信号与信息处理

该文将脉冲耦合神经网络模型从二维平面扩展到三维空间,同时提出一种新的乘积型互信息算法,将其作为脉冲耦合神经网络分割算法的最优分割准则,并将两者结合实现三维医学图像的整体自动分割.利用该文提出的算法对三维CT肺部图像进行分割实验,结果表明,该算法在保证分割精度的基础上显著地减少了分割运行时间,提高了分割效率,具有应用于医学图像分割的潜在价值.

一种融合表面波变换与脉冲耦合神经网络的三维肺实质分割算法

针对肺部病变及支气管干扰等因素导致的肺实质分割困难的问题,本文提出一种融合表面波(surfacelet)变换与脉冲耦合神经网络(PCNN)的肺实质分割算法。首先,通过surfacelet变换对三维肺部计算机断层扫描数据进行多尺度多方向分解,利用局部修正拉普拉斯算子选择处理后的子带系数增强图像的边缘特征;然后,经surfacelet逆变换得到增强后的图像作为PCNN的反馈输入;最后,通过循环迭代完成肺实质的分割。所提算法对公开数据集中的样本进行了测试。结果表明,本文算法的分割性能优于surfacelet变换边缘提取算法、三维区域生长算法和三维U形网络(U-NET)算法,能够有效抑制肺部病变及支气管的干扰,得到更完整的肺实质图像。

基于多景深融合模型的显微三维重建方法

鉴于激光共聚焦三维重建技术在金属样本的显微三维重建过程中具有重建速度慢的不足,在保证重建精度的前提下,提出一种基于多景深融合模型的显微三维重建方法来提升重建效率.该方法将三维重建问题转化为二维图像景深融合问题,首先提出一种基于非降采样Contourlet变换与多态脉冲耦合神经网络的图像融合方法,对不同景深图像序列运用该方法进行融合操作,得到的初代融合图像最大程度保留了原始图像信息;然后提出一种基于相关系数的区域图像匹配方法,得到以原始图像为基础的二次融合图像和初代高度映射图;最后定义一个能量泛函模型以消除二次融合图像中存在的假点信息,其极小化过程保证二次融合图像收敛于初代融合图像,同时初代高度映射图按照相同的方式演化,迭代结束即完成三维重建.运用文中方法对微尺度金属样本进行三维重建实验的结果表明,相比于激光共聚焦三维重建,该方法在保证三维重建结果具有较高精度与较好抗噪性的基础上,提升了重建效率.

优化的PCNN自适应三维图像分割算法

脉冲耦合神经网络(pulse coupled neural network,PCNN)对图像分割具有天然的优势,但是传统的PCNN模型参数难以确定,且算法耗时多。对多种PCNN模型进行研究改进,并利用统计学知识提出了一种精简高效的自适应三维分割算法。将其用于脑部磁共振成像(magnetic resonance imaging,MRI)图像的分割,把脑组织分成白质、灰质和脑脊液。与标准PCNN、传统的Otsu阈值方法、SPM8工具箱及专家手动分割结果的对比实验表明,该自适应算法具有精确性、高效性。

基于改进3D-PCNN的中药材彩色显微图像分割

为有效提取中药材彩色显微图像的目标信息,提出了一种基于改进三维脉冲耦合神经网络的图像自动分割方法.首先,从适合处理中药材彩色显微图像的角度出发,对传统模型进行简化与改进;其次,采用RGB颜色空间,利用最大信息熵选择性排列图像,并将结果作为改进模型的输入,进而完成图像分割;最后,用最大综合判定准则选取最佳分割结果,并与最大香农熵、最小交叉熵、色差对比度进行比较.实验结果表明,本文方法可以精确自动地分割中药材彩色显微图像,克服了最大香农熵、最小交叉熵、色差对比度的缺点,分割效率明显优于传统方法.

基于3D-PCNN和互信息的3D-3D医学图像配准方法

基于特征的配准方法配准精度低,基于互信息的配准方法虽然配准精度高但计算量大且易陷入局部极值。针对此问题,提出一种基于脉冲耦合神经网络(PCNN)和互信息的由粗到细的3D-3D医学图像配准方法。首先,将2D-PCNN模型扩展成能直接处理三维图像的3D-PCNN模型。然后,采用Eckhorn简化输入部分方式对扩展的3D-PCNN模型进行简化,并用线性衰减阈值代替指数衰减阈值,降低了PCNN网络计算复杂度。为了自适应确定参数值,从待处理的三维图像的二维切片图像中随机选择一幅切片图利用二维参数优化方法求出2D-PCNN参数值,并将此参数值作为3D-PCNN的参数值。最后,后利用PCNN网络点火集群的平移、旋转、尺度缩放、扭曲等不变特性将各次迭代点火集群的几何重心作为特征点,实现图像粗配准,获得初始配准参数,将此粗配准参数结果作为基于互信息配准搜索算法的初始参数值,使得搜索始终围绕全局最优值附近进行,进一步微调细化参数,得到最终较高精度的配准结果。