第34卷 第6期 2013年11月吉首大学学报(自然科学版))JournalofJishouUniversitNaturalScienceEditiony(Vol.34 No.6 Nov.2013
()文章编号:[***********]04基于PCNN模型的生物细胞图像分割
()阿坝师范高等专科学校生化系,四川汶川 623002∗张小琴,余 列,李 懿
法;采用最大熵值及P并分析了各参数对图像分割质量的影响.实验结果表明,分割CNN模型对生物细胞图像进行了分割,
图像熵值越大,分割图像总体效果越好.关键词:图像分割;细胞分割PCNN;摘 要:在基于脉冲耦合神经网络(模型中,讨论了模型中阈值θ、链接权ω和迭代次数量N等参数的求解方PCNN)
中图分类号:TP391 文献标志码:A:/DOI10.3969.issn.10072985.2013.06.011j
在图像边缘检测计算过程中,为了有效地抑制噪声的影响,并能客观、正确地提取目标轮廓,通常采取图像分割技术.图像分割是图像处理与计算机视觉领域低层次视觉中最为基础和重要的领域之一,同时也是一个经典难题,目前还不存在一种判断是否分割成功的客观标准.近年来,已被广泛应用于图像平滑、边缘检测及分割等图像处理领域的脉冲耦合神经网络(已充分显示PulseCouledNeuralNetwork,PCNN)p]1了其优越性[忽略统一区域内小的灰度.PCNN不需要训练就能处理目标与背景灰度范围有重叠的情况,
]2差异和空间间断,效果均较好,同时易于硬件实现,从而大大扩宽了其应用前景[文献[结合图像统计.3]特性和P文献[将粒子群优化算法和脉冲耦合神经CNN参数模型运用熵值最大准则实现了图像分割;4]
]图像自动分割算法,较好地实现了b文献[对传统的P采用线性acteria图像分割;5CNN模型进行了简化,
方式调整动态阈值函数,循环迭代次数由最大熵值决定,并修正了神经元反馈输入函数,实现了对脑脊液淋巴细胞图像的最优分割.笔者将最大香农熵值作为算法终止条件,采用简化的P并对仿CNN算法对细胞图像进行分割仿真,网络相结合,将改进的最大类间方差准则函数作为适应度函数,提出了一种能进行参数自动寻优的PCNN真结果进行分析,讨论了各参数对模型及图像分割的影响,为改进算法提供了一种新思路.
1 PCNN模型
简化后的PCNN模型的离散数学表达式为:
[],Uin)n)1+βLin)=Fij(j(j(()),θn)xθn-1Yin-1=e-α+Vθpiθ)ij(j(j(),1 (Uin)>θn)ij(j(()Yijn=,0 Uin)£θn)ij(j(
其中S经简化的P其计算量和复杂度都有所降低,易于硬件实现.CNN模型,ij为归一化像素灰度.
当P笔者将其视为单层二维的局部网络,把二维图像矩阵M×N映射为M×NCNN用于图像分割时,),Lin)Ykn-1=VL∑Wikll(j(jklFin)=Sij(j,{
∗收稿日期:20131016);)基金项目:四川省教育厅重点项目(阿坝师范高等专科学校校级资助项目(13ZA0039ASB12-29
研究.,作者简介:张小琴(女,四川新都人,阿坝师范高等专科学校生化系讲师,硕士,主要从事生物医学图像处理1982)
第34卷 第6期 2013年11月吉首大学学报(自然科学版))JournalofJishouUniversitNaturalScienceEditiony(Vol.34 No.6 Nov.2013
()文章编号:[***********]04基于PCNN模型的生物细胞图像分割
()阿坝师范高等专科学校生化系,四川汶川 623002∗张小琴,余 列,李 懿
法;采用最大熵值及P并分析了各参数对图像分割质量的影响.实验结果表明,分割CNN模型对生物细胞图像进行了分割,
图像熵值越大,分割图像总体效果越好.关键词:图像分割;细胞分割PCNN;摘 要:在基于脉冲耦合神经网络(模型中,讨论了模型中阈值θ、链接权ω和迭代次数量N等参数的求解方PCNN)
中图分类号:TP391 文献标志码:A:/DOI10.3969.issn.10072985.2013.06.011j
在图像边缘检测计算过程中,为了有效地抑制噪声的影响,并能客观、正确地提取目标轮廓,通常采取图像分割技术.图像分割是图像处理与计算机视觉领域低层次视觉中最为基础和重要的领域之一,同时也是一个经典难题,目前还不存在一种判断是否分割成功的客观标准.近年来,已被广泛应用于图像平滑、边缘检测及分割等图像处理领域的脉冲耦合神经网络(已充分显示PulseCouledNeuralNetwork,PCNN)p]1了其优越性[忽略统一区域内小的灰度.PCNN不需要训练就能处理目标与背景灰度范围有重叠的情况,
]2差异和空间间断,效果均较好,同时易于硬件实现,从而大大扩宽了其应用前景[文献[结合图像统计.3]特性和P文献[将粒子群优化算法和脉冲耦合神经CNN参数模型运用熵值最大准则实现了图像分割;4]
]图像自动分割算法,较好地实现了b文献[对传统的P采用线性acteria图像分割;5CNN模型进行了简化,
方式调整动态阈值函数,循环迭代次数由最大熵值决定,并修正了神经元反馈输入函数,实现了对脑脊液淋巴细胞图像的最优分割.笔者将最大香农熵值作为算法终止条件,采用简化的P并对仿CNN算法对细胞图像进行分割仿真,网络相结合,将改进的最大类间方差准则函数作为适应度函数,提出了一种能进行参数自动寻优的PCNN真结果进行分析,讨论了各参数对模型及图像分割的影响,为改进算法提供了一种新思路.
1 PCNN模型
简化后的PCNN模型的离散数学表达式为:
[],Uin)n)1+βLin)=Fij(j(j(()),θn)xθn-1Yin-1=e-α+Vθpiθ)ij(j(j(),1 (Uin)>θn)ij(j(()Yijn=,0 Uin)£θn)ij(j(
其中S经简化的P其计算量和复杂度都有所降低,易于硬件实现.CNN模型,ij为归一化像素灰度.
当P笔者将其视为单层二维的局部网络,把二维图像矩阵M×N映射为M×NCNN用于图像分割时,),Lin)Ykn-1=VL∑Wikll(j(jklFin)=Sij(j,{
∗收稿日期:20131016);)基金项目:四川省教育厅重点项目(阿坝师范高等专科学校校级资助项目(13ZA0039ASB12-29
研究.,作者简介:张小琴(女,四川新都人,阿坝师范高等专科学校生化系讲师,硕士,主要从事生物医学图像处理1982)