基于PCNN的灰度图像边缘检测方法

脉冲耦合神经网络(PCNN)最初由Eckhorn根据猫大脑中视觉皮层神经元的同步脉冲(SynchronousBurst)现象而提出。由于具有一系列良好的特性,PCNN在图像处理、模式识别等领域获得了广泛的应用。文献[6]根据PCNN的传播特性提出了一种利用PCNN检测二值图像边缘的有效方法,但这种方法并不能直接用于对灰度图像的边缘进行检测。由于实际处理的图像大部分为灰度图像,因而其方法的适用性是很有限的。该文提出了一种基于PCNN的灰度图像边缘检测方法,从而直接对256色灰度图像的边缘进行提取,具有较好的适用性。实验结果表明该方法是有效的。     

PCNN在金属拉链缺陷检测中的应用

针对传统金属拉链缺陷人工检测方法效率低、稳定性差、误检率高等缺点,提出一种基于脉冲耦合神经网络（Pulse Coupled Neural Networks,PCNN）和灰度跃变检测的金属拉链缺陷检测方法。针对拉链图像的特点,通过对传统PCNN进行改进以提高金属拉链图像二值分割处理速度;将传统PCNN和形态学理论相结合,提取链齿特征图像;采用区域像素统计与灰度跃变检测的方法实现金属拉链缺陷自动检测;完成检测系统的设计并进行实验研究。实验结果表明提出的检测方法快速、准确、可行。     

基于PCNN的二值图像细化新方法

脉冲耦合神经网络(PCNN—Pulse Coupled Neural Network)是一种根据动物大脑视觉皮层同步脉冲发放现象提出的人工神经网络。该文首次提出了如何用PCNN的脉冲传播特性进行二值图像细化的新方法。计算机仿真结果表明,使用PCNN可自然而迅速地自动对各种形状的二值图像进行细化,提取其骨架。该文的研究进一步拓宽了有生物视觉依据的PCNN在图像处理方面的应用范围。     

基于PCNN和最大灰度熵图像分量的彩色图像分割

为提高彩色图像的分割效果,提出了一种最大灰度熵图像分量和脉冲耦合神经网络(PCNN)相结合的彩色图像分割方法.将彩色图像转换到符合人眼视觉特征的色调饱和度亮度(HSV)颜色空间中,选取灰度熵值最大的分量图像,用PCNN增强以增大感兴趣区域对比度,对增强后的分量图像运用PCNN进行循环分割,当二维Renyi熵值不再大于前一次的值时,终止PCNN的循环分割,获得最佳分割结果.运用多种评价指标对所分割的结果进行评价,评价结果表明:提出的算法能够有效实现对彩色图像的分割,尤其在图像细节方面,比传统的彩色图像分割方法表述得更为清晰.     

基于PCNN的图像边缘检测方法

通过对PCNN点火特性的分析,提出了一种利用PCNN点火阶梯特性和图像灰度统计特性进行图像边缘检测的新方法。在PCNN参数的设置过程中,采用了自适应设置的方法,使得该算法具有较好的实用性。仿真实验表明该方法可以有效地实现图像的边缘检测。     

基于数字图像处理的地震波初至时间检测

地震波初至时间的检测是地震信号处理中的一个重要环节.在地震波接收记录上,初至波振幅大于噪声振幅,初至时间位于纯噪声信号与地震有效信号和噪声之叠加信号之间的分界处.根据这些特征,本文把地震信号幅值数据处理成256级灰度图,再把灰度图二值化,然后通过检测二值图像的边缘,获得地震波的初至时刻.对于存在较多的连续异常记录道,或其它强干扰信号的地震波记录,提出了二次或多次用不同阈值对图像进行二值化的检测方法.对实际地震记录的处理表明,本文方法具有较高的精度和效率.     

基于灰度迭代阈值脉冲耦合神经网络的图像分割

为有效分割图像,提出了灰度迭代阈值脉冲耦合神经网络(GIT-PCNN)。GIT-PCNN简化了传统PCNN模型,将其指数衰减的阈值改进为图像的灰度迭代阈值。GIT-PCNN分割图像时无需进行参数和循环次数选择,也无需使用特定原则确定循环结束条件,一次点火过程完成分割。GIT-PCNN分割图像时充分利用了图像的灰度信息和PCNN特有的空间邻近及像素灰度值相似集群发放脉冲提供的图像局部位置信息。实验结果表明,GIT-PCNN在主观及客观的分割性能和速度上均优于经典的PCNN分割方法。     

基于Unit-Linking PCNN的医学图像边缘检测

本文利用Unit-Linking PCNN模型结合最大交叉熵准则将医学图像分割为二值图像,然后将亮区(背景)和暗区(目标)的点火二值图异或,点火脉冲依据目标的形状同步传播,从而迅速提取目标边缘。实验结果表明,该方法有效地提取了图像边缘特征。与经典边缘检测算子相比,结果更加清晰完整,是一种有效的医学图像边缘检测方法。     

基于脉冲耦合神经网络的声纳图像噪声抑制

为解决声纳图像中存在的高斯与脉冲噪声的同时去除问题,在简化的脉冲耦合神经网络(Pulse Coupled Neural Net-work,PCNN)模型的基础上,提出了一种结合了数学形态学与中值滤波的噪声抑制算法.首先利用PCNN输出二值图像确定噪声在图像中的位置,用数学形态学方法保持目标的完整性,然后利用中值滤波方法去除图像的脉冲噪声并对PCNN逐次迭代的输出结果进行调整去除高斯噪声.实验结果证明,方法在保持图像边缘信息的前提下,与其他方法相比获得了更好的去噪效果.     

基于脉冲耦合神经网络的灰度图像边缘提取

提出一种局域窗口内边缘值的计算方法，用所得的结果调制脉冲耦合神经网络神经元的脉冲发放值，利用神经元的同步脉冲发放特性进行图像的边缘提取，在一定程度上消除了噪声的影响，提高了边缘提取的自适应性和准确性。此外引入了图像增强机制，用网络的输出实时地计算更新图像灰度值，从而提高模糊边缘的检测质量。实验表明该算法可以得到令人满意的结果。     

一种基于边缘检测的医学图像增强方法

现在是用数字图像进行临床诊断的时代。文章提出了一种结合非采样轮廓波变换（NSCT）和脉冲耦合神经网络（PCNN）优点的肿瘤检测方法。该方法首先分别对一组正常人的脑部CT和MRI图像及一位40岁酗酒男性的脑部MRI和PET图像施行三次样条插值配准,并进行非采样轮廓波变换获取其高频和低频信息。将低频子带系数输入PCNN神经元经计算获得融合图像低频系数,对于高频部分对比度被用于激化PCNN网络。最后经逆NSCT变换生成融合图像,并将该图像用Canny算子进行边缘检测。结果显示第一组的融合图像中高密度组织得到了增强并减少了像素扭曲且肿瘤组织能被检测,第二组的融合图像清晰显示了脑部解剖结构同时壳核、尾状核也到得了明确定位。由于非采样轮廓波变换优良的方向性和几何表达能力,该方法能够为外科医生提供精确的肿瘤定位方案。     

A region-based multi-sensor image fusion scheme using pulse-coupled neural network

For most image fusion algorithms split relationship among pixels and treat them more or less independently, this paper proposes a region-based image fusion scheme using pulse-coupled neural network (PCNN), which combines aspects of feature and pixel-level fusion. The basic idea is to segment all different input images by PCNN and to use this segmentation to guide the fusion process. In order to determine PCNN parameters adaptively, this paper brings forward an adaptive segmentation algorithm based on a modified PCNN with the multi-thresholds determined by a novel water region area method. Experimental results demonstrate that the proposed fusion scheme has extensive application scope and it outperforms the multi-scale decomposition based fusion approaches, both in visual effect and objective evaluation criteria, particularly when there is movement in the objects or mis-registration of the source images.     

Foveation by a pulse-coupled neural network

Humans do not stare at an image, they foveate. Their eyes move about points of interest within the image collecting clues as to the content of the image. Object shape is one of the driving forces of foveation. These foveation points are generally corners and, to a lesser extent, the edges. The pulse-coupled neural network (PCNN) has the inherent ability to segment an image. The corners and edges of the PCNN segments are similar to the foveation points. Thus, it is a natural extension of PCNN technology to use it as a foveation engine. The paper presents theory and examples of foveation through the use of a PCNN, and also demonstrates that it can be quite useful in image recognition.     

An improved pulse coupled neural network for image processing

To develop new image processing applications for pulse coupled neural network (PCNN), this paper proposes an improved PCNN model by redesigning the linking input, activity strength, linking weight, pulse threshold and pixel update rule. Two typical image processing examples based on such a model, namely fingerprint orientation field estimation and noise removal, are presented for explaining how to use the PCNN and determine parameters in image processing. Experiments show that the improved model is quite useful, and the PCNN-based approaches achieve better image processing results than the traditional ones. This work was supported by National Science Foundation of China under Grant 60471055 and Specialized Research Fund for the Doctoral Program of Higher Education under Grant 20040614017.     

一种基于空间矩的PCNN图像分割方法*

脉冲耦合神经网络在图像分割中需要选取适当的网络参数,就内部连接矩阵而言,不同场合一般采用相同的设置,为了进一步改善图像分割质量,充分利用邻域的边缘及灰度分布信息,提出了一种基于空间矩确定内部连接矩阵的方法。仿真实验证明,该方法使得分割结果细节更丰富、分割区域更完整、边缘连续性更好。     

基于SML和PCNN的NSCT域多聚焦图像融合

针对融合规则带来的虚假边缘、伪影等问题,提出了改进拉普拉斯能量和(Sum-modified Laplacian,SML)和脉冲耦合神经网络(Pulse Coupled Neural Network,PCNN)相结合的非下采样Contourlet变换(Non-Sampled Con-tourlet Transform,NSCT)域融合方法。首先,采用NSCT将每幅源图像分解成包含基本信息的低频子带图像和多幅包含细节信息的带通子带图像。然后,计算各尺度分解图像的SML值,根据值的大小对低频子带图像各像素点进行像素选择。对于带通子带部分,将计算的SML作为PCNN的输入激励,PCNN输出的点火映射图用来选择各子带图像的像素值。最后,将处理后的各子带系数进行NSCT重构得到融合图像。实验结果表明,此算法能很好地改善融合图像的聚焦清晰度,并且与现有的SIDWT,DTCWT,NSCT以及基于PCNN的融合方法相比,所提算法在互信息量、结构相似度以及边缘信息保留量等客观指标方面得到了提高。     

基于PCNN的二值文字空洞滤波

提出了如何用一种有生物视觉依据的人工神经网络——脉冲耦合神经网络(Pulse Coupled Nureal Network,PCNN)进行二值文字空洞滤波,即将二值文字中的空洞填满,从而便于后续的文字识别。计算机仿真结果表明,利用PCNN的脉冲传播特性,可快速而有效地将二值文字中的空洞填满,故基于PCNN的空洞滤波是一种有效的空洞滤波新方法。     

基于脉冲耦合神经网络的图像NMI特征提取及检索方法

为了简单有效地提取图像重要特征信息, 从而更好地提高检索图像的精度, 提出了一种基于脉冲耦合神经网络(Pulse coupled neural networks, PCNN)的图像归一化转动惯量(Normalized moment of inertia, NMI)特征提取及检索算法. 首先利用改进简化PCNN模型相似神经元同步时空特性及指数衰降机制将图像分解为具有相关性的二值系列图像, 然后提取反映原始图像目标形状、结构分布二值系列图像的一维NMI特征矢量信号, 并将其应用在图像检索中; 同时, 考虑到二值系列图像间的相关性及不同图像间NMI序列值的差异性, 引入了马氏距离结合Pearson积矩相关法的 综合相似性度量方法. 实验结果表明, 所提算法对图像特征矢量序列具有良好抗几何畸变不变特性及对图像表述的唯一性,且具有较好的图像检索效果.