基于微粒群算法和脉冲耦合神经网络的图像分割算法
更新时间:2023-08-05 16:20:01 阅读量: 实用文档 文档下载
- 微粒群算法的基本思想推荐度:
- 相关推荐
维普资讯 http://www.77cn.com.cn
印 l卷 8
20 0 8年 7月
第 7期
计算机技术与发展C OM PUTER TECHNOL OGY AND DEVELOPMENT
V0 . 8 No 7 11 .
J1 2 0 u. 0 8
基于微粒群算法和脉冲耦合神经网络的图像分割算法卢桂馥刘金飞2王勇,易文,,窦(. 1安徽工程科技学院计算机科学与工程系,安徽芜湖 2 10; 4 002 .芜湖天创技术创新服务有限公司,徽芜湖 210 )安 400摘要:冲耦合神经网络 (u e ol erl e okP N在图像处理中得到了十分广泛的应用,脉 P l C u dN u N t r,C N) s e a w但是其多个参数的
设置给实际应用造成很大的困难。尤其是在图像分割中,同类型的图像要求不同的分割参数,同的参数对图像分割不不的结果影响很大。而微粒群优化算法 (at ̄S r pi ztn P 0具有对参数自动寻优的优势, Prc wa O t ao,S ) i m mi i为此, P O和 P .将 S CN N相结合,以改进的最大熵函数为适应度函数,出了一种基于 P O和 P N算法的图像自动分割算法。实验仿真结提 S CN
果验证了该方法的有效性,即不仅可以正确地实现图像分割,且参数可以自动设置,了人工实验的麻烦,而省去同时分割速度也有所提高。关键词:脉冲耦合神经网络;微粒群算法;;熵图像分割中图分类号: 3 1 n) 9文献标识码: A文章编号:63 69 (080—09~ 3 17— 2 X 20 )7 0 0 O
An I g e me t t n M e h d Ba e n P O g rt m n CNN ma e S g n a i t o s d o S Al o ih a d P oL Gu—u, U i-e, ANG n D U i LI Jn fi W f Yo g, OU— n Yi we( . eat n f o ue S i c n n ier g A h i 1D pr met mp t c eadE g e n, n u oC r e n n iUn v ri fTe h oo y a d S in e W u u 2 0 0, l a ie s y o c n lg n ce c, t h 41 0 Chn;
2 Wu uT acun eh o g noai . h i hagT c nl yInv
t n& ̄/i .L d, h 4 00 C i ) n o o _ c C, t.Wu u2 10, hn v eo aAb ta tPC src: NN id nya pi t ni g rc sig.] ̄a s h aa tr ral fe ttepro f sma p l ai i epo esn n c o n ma ̄eu etep rmee sge t a c h efr ' y c fP eo CNN,f dn h i i t n g e
o t l aa tr b o le r lO sts .E p c l ni唱esg na i, h aa tr v r t h W pi rmees eD S n ol- u ak se i l ma p n a ea a yi r eme tt n t p rmees ay、 ht n o e e
et a ed o po h t e st r- n
cs .P O ag rtm h st ea it o f dteb s aa tr .8 e i g e me tt n meh dwa rp sdt a a d d P O a d e s S l oih a h blyt i h etp rmees oan w ma esg n i i n a o to spo o e h tb n e S n PCNN n tWS sd t g e t h nk ea tmaial n u c sf l a di Sue o s m n t ei'g uo t l e a c ya ds cesul y.Thec re l s ndd p n a lyo t emeh d i eiidb o rc sa ̄e e e d bit f h i te sv rf e ye p r ntrsls ta st a x e me e ut,h ti osy,teq ai ft esg n tt n meh d i uh b te n t i h u lyo h e me a i t o t o sm c etra d i me—e n tnn i esa dp ln es o sr i sls n a' ̄tr~ g as tig i a t ma ia . e tn s u o tc 1 Ke r s P y wo d: CNN; S ag rt; n r p i a es g n t t n P O lo h e t o y; g e me a i im m o
0引言 微粒群优化算法[(S ) P 0是一种新的基于群体智】能的优化算法,同遗传算法相比较,不但具有遗传算法的全局寻优能力,而且同时具有较强的局部寻优能力。
脉冲耦合神经网络l3( c q是一种不同于传 L jp ̄ ) 2,统人工
神经网络的新型神经网络,它有着重要的生物学背景,是由 E k o为解释在猫的大脑视觉皮层中 ch m实验所观察到的与特征有关的神经元同步行为现象而提出的。P N C N的这个生物学背景使它在图像处理中具有先天优势,有着与传统方法进行图像处理所无法比拟的优越性。但 P N需要通过多次实验来设置 CN
由于没有个体杂交、变异等操作,其参数调整简单易行,更适合计算机编程实现,多数情况下,在比遗传算法更快地收敛于最优解,而且可以避免完全寻优的退化现象。目 P o算法已广泛应用于函数优化、前 S神经网络训练、数据挖掘、图像处理等各个应用领域。
其数学模型中的各个参数,能实现最佳图像分才q-
l
 ̄[5。] l 1, 4将 P O算法和 P N算法进行有效的结合可以 S C N
充分发挥两者的优势,利用 P N的生物视觉特性和 CN收稿日期:0 7 0—3 20一l 0
基金项目:安徽省青年教师科研资助计划项目( 0 6 1 6; 2 0j 1 )安徽工 q5程科技学院基金项目(0 5 Q 0 ) 2 0 Y 0 4作者简介:卢桂馥 (9 6。, 17一)男讲师。硕士研究生,主要研究方向为 图像处理和计算机视觉。
P 0算法的解空间随机搜索能力, S来寻找 P N C N模型中各个参数的最优值,从而自动完成参数的设置和图像的自动分割。基于此,出了一种基于 P O和 P .提 S C N N的图像自动分割算法,此算法以改进的最大熵函
http://www.77cn.com.cn
维普资讯 http://www.77cn.com.cn
第7期
卢桂馥等:基于微粒群算法和脉冲耦合神经网络的图像分割算法
9 l
数为适应度函数,图像分割中取得了较好的效果。在
13适应度函数 .
微粒群算法在搜索迭代中一般不需要其它的外部
仅用适应度来评价粒子当前位置的优劣,以此并 1基于 P O和 P N的图像自动分割算法信息, S CN
的设计与实现11 P N . C N的标准改进模型
作为粒子位置更新的依据。设计一个好的适应度函数对于文中算法来说有着重要的影响。 在传统的最大熵阈值分割算法中,同一灰度级的() 1
这里采用的标准改进模型如下:i
(z, )= S
所有像素点要么属于目标要么属于背景,而用 P N C N进行图像分割时,由于 P N的连接域特性
,度值 CN灰相同的像素点既有可能是目标也可能是背景,和其这周围的像素点相关,因此不能直接以传统的最大熵算法中的熵函数准则为 P O算法的适应度函数。在文 S
( )∑ w,= z
(一1, ) z(z), ) (z ),一1
() 2() 3 () 4
(z (z(+, )=, 1 )
(z, )= P (一1+~, z )
㈤{U O=≤( o>n ( no );
( 5 )
中算法中采用改进的最大熵函数作为 P O算法的适 S
应度函数。设 P为点火的神经元中灰度 i 出现的概率,∈{,, L一1,为未点火的神经元中灰度 i i 0 1…,}t
其中 F (z是第 (,神经元的,次反馈输入, o, ) i ) zS为输入刺激信号 ( 这里为图像像素构成的矩阵中第 ( ,)像素的灰度值 )p为连接系数,“,, L (z )是连接项, (为动态阈值, f,是 P N ) (z ) C N脉冲输出值, U,为内部活动项,为连接权矩阵,为幅度常 fz () w 数,为相应的衰减系数。在模型中,要有四个参 主数 W,,,0其中连接权矩阵 w的设置比较简单, p g, t
出现的概率,∈{,, L一}∑ ( t= o i 01…, 1, P+ f )定义最大熵函数为:
H )是象一 (=(L l 户一In i -=0
t; t) 1 m
k=09 8.
() 8
在不同场合几乎是一致的,取值为像素之间距离平方的倒数。其余三个主要参数通过 P O算法在解空间 S里寻求准最优解。 12 S . P O算法原理 P O算法是由 K n ey E ehr在 1 9 S end和 brat 9 5年提
其中:=∑ P,f P =∑ t T14基于 P O和 P N . S C N进行图像自动分割算法的具体实现
1初始化: )设置微粒群规模 m=5, 0每个微粒的维数为三维,分别表示 p,口,口这三个参数;设置参数
出,是一种模拟鸟群飞行觅食的行为,通过个体之间的协作来寻找最优解的进化计算技术。假设其搜索空间为N维,粒子总数为,, i z第个粒子在N维空间的位置表示为= ( z…,/)飞行速度表示为= z X, N ( i 7…,/)每个粒子都具有一个由被优化的目 V1 3, v。
N 标函数决定的适应值,且知道自己到目前为止所发并现的最好位置 pet bs和现在的位置 z,每个粒子都知道目前为止整个群体所发现的最好位置 get每个粒子 bs。的位置按式 ( )( ) 6、7进行变化。×r d )户一 ) a (×( n= + () 6 () 7
1 1为 2训为 1算法的最大迭代次数为 1;,2 7,; 0随机对微粒群各微粒的各初始位置和速度进行初始设定;读入目标图像。 2将每个微粒代人 P N ) C N标准改进模型,计算每个微粒的适应值。微粒的适应度函数选用式( ) 8。 3对每个粒子, )比较它的适应度与它经历最好位置的适应度,如果更好,更新 P。
4对每个粒子, )比较它的适应度与群体所经历最 5根据式( ) ( ) ) 6、7更新粒子的速度和位置。6重复步骤 2, )~5直到满足终止准则为止。文中
如果更好,更新翰。 =训×屹+×r d) P 1 a (×(一z )/好位置的适应度, n乞+7 2
式中:为第 i 个粒子在第 k次迭代中飞行速度的第d维分量;为第 个粒子在第k次迭代中位置的第 d维分量;为群体最好位置的第d维分量;为 P
算法规定只要满足下列条件之一,算法即终止:最大的适应度值在前后两代内的变化小于 0 0 1算法终止; .0, 或者算法执行到最大迭代次数时算法自动终止。 7算法结束,出分割图像。 )输
粒子最好位置的第 d维分量; n (为随机数; 1 1 r d) a 1,2 7 7为权重因子;为惯性权重。训
同其它进化算法相比, S P O算法的运行参数设置相对简单,目标的改变影响小,受是一种更高效的并行搜索算法。
2仿真结果为了测试文中算法的有效性, Ma a编程实现用 tb l了文中算法并进行了计算机仿真实验。经过两次迭
维普资讯 http://www.77cn.com.cn
9 2
计算机技术与发展
第l 8卷
代,算法即终止,求得最大熵值为 8 32。图 1 1为 .45 ()原始图像, 12为 O T图 () S U算法分割的结果, 13图 ()
题,它广泛应用于图像处理的各个方面,如降噪、分割、
边缘检测、目标识别、特征提取等。P N C N模型参数的选择对实验结果有着极其重要的影响,但是针对不同
为最大熵算
法分割的结果, 14为文中算法分割的图 ()结果。从图中可以看出, S U算法的结果最差, OT最大
图像这些参数的选择只能通过人工逐次实验来获得, 这对其推广应用很不利。文中提出了一种基于 P O S算法的脉冲耦合神经网络自动系统的实现方案,以改
熵算法虽然把所有目标分割出来,是也把一些背景但分割成了目标(左下角处的小黑块)文中算法效果最,好,不仅把所有目标分割出来,并且不存在误分割。 另外,从算法的执行时间上看,在主频为 2 4内 .G。
进的最大熵函数作为适应度函数,用 P O算法的全利 S
局搜索能力,解决了 P N较好 C N需人工设置参数的问题,同时分割出来的图像质量效果较好,为后续的图像
存为 2 6的 P L 5M Cg k运行本算法,综合多次实验结果来看,一般迭代到第三次就可以得到最佳分割图像,时间开销约为 4 s~6。相比人工实验确定实验参数的时间开销要有一个数量级的优势。
识别的精度提供了保证。实验仿真结果说明文中的研究思想具有较好的应用前景,对 P N理论的进一步完善。显然,是 CN其对于P N C N的理论研究和实际应用具有很重要的现实意义和借鉴意义。同时,也应看到由于对视觉机制认
识的不足,C N模型离真正的视觉模型还有一定差 PN距。因此,要对 P NN模型进一步改进,其具有需 e使
更强的视觉仿生能力,以便在图像处理、计算机视觉研究中取得更大的成功。参考文献:[]吴启迪, 1汪镭.智能微粒群研究及应用[ . M]南京:江苏教育出版社,05 20 .
I●.‘、/=/ ●' ?,
[] JhsnJ,agtM L P N m dl n plao[] 2 ono L P de t .C N oeadapct J . ii nIE r o erl e ok 19,03:8—48 E ETa n uaN t r,99 1()40 9 . m N w
[] R naahH, tt dG, hsn . el nt ok o 3 agnt Kmi ma J no J Ant e r fr o L l ̄ wi en l ̄ r u ̄[/ I: i l E l l R hn lo o M]/n Fe e, e . a d ̄ f s r ̄a xkNe r l o ua o . fr, u a C mp t t n Oxo d UK: x o
Unv P e s 1 9 . i O fr d i. r s,9 7
.
.
( )最大熵算法结果 3
( )文中算法结果 4
[]马义德,若兰, 4戴李
廉 .基于脉冲耦合神经网络和图一种
图 1 bt i图像及其实验结果 cr ea
像熵的自动图像分割方法[]通信学报,02 2 ( )4 J. 20,3 1:6—
51 .
3结束语脉冲耦合神经网络是当前智能领域研究的热门课(接第 8上 9页 )
[]马义德, 5齐春亮 .于遗传算法的脉冲耦合神经网络自动基系统的研究[]系统仿真学报,06 1 ()7 2 75 J. 20,83:2— 2 .—
+
—+
—+—+—+—+ -— -— -— -— -
现面向方面的建模,将核心业务功能与通用功能分离开来,使它们能够独立建模,然后通过由织入技术实现
[3 K n ̄ M, ez,t h e r Fo A Pt ML 3 ad M Ki lJSr m i A. rm O OU: ne o e1o ad n A pc Or ne eht ua Mo en — w rsa et— i td Ar i s e ̄trl dl g Ap i
的模型转换将它们连接起来。把 A P的思想应用于 O MD A的建模与模型转换中为 MD A开发方法提供了新的实现途径。参考文献:[]曹东刚, 1梅宏 .向 A pc的程序设计——种新的编面 set
poe[]Bre S i:wsFdr sit T m l ra R .e, ws S i ee lntu 0 ̄ o . h n s s aI te{ og 20 4. Y, 0
[] Z a ai, uBo e. au n pc oei[]/ 4 hoJ n X aw n MesrgA et hs C/ ia n i s C n oI r c a d me lAp ra h s t ot a e E i ei n P o .F n a ma po ce S f r n r r O w g ̄ n g
( A E’ 0 4 . a e n, t: pi e—V r g 2 0: 9 F S 20 ) B r l a Sun S r r el, 0 4 2 e o g n a—
3. 1
[] Z a i jn li se—Oi d S f a[]/I 5 ho J n .Sin A pc aa cg t rme ot r C/ n e w eP o .1 t E I tr ain lWo k h p o o r m on rc 0h 1 EE n en t a o r s o n Prg a
C r -
程范型[]计算机科学,033 ()5 0 J. 20,09:一l. []董云卫, 2郝克刚.一种面向方面的软件体系结构[]微机 J.发展,0 4,4 6:2—5 . 2 0 1 ( )5 6
p hni I C 2 0)P r,r cI¥n]20:5— r es n( e o WP’02 .asFa e[..,022 1 i n26 0.
http://www.77cn.com.cn
正在阅读:
钢筋支架计算书10-15
连续刚构桥的施工控制要点01-08
手机的故事作文600字初二(优秀4篇)03-24
2016年浙江师范大学现代汉语与对外汉语教学之对外汉语教学考研复试题库06-02
【精选】温州乐园作文300字4篇03-27
做好厨师必须具备的五个细节12-27
《放飞教育希望》读后感08-10
学生登记表自我鉴定优秀6篇03-22
- 教学能力大赛决赛获奖-教学实施报告-(完整图文版)
- 互联网+数据中心行业分析报告
- 2017上海杨浦区高三一模数学试题及答案
- 招商部差旅接待管理制度(4-25)
- 学生游玩安全注意事项
- 学生信息管理系统(文档模板供参考)
- 叉车门架有限元分析及系统设计
- 2014帮助残疾人志愿者服务情况记录
- 叶绿体中色素的提取和分离实验
- 中国食物成分表2020年最新权威完整改进版
- 推动国土资源领域生态文明建设
- 给水管道冲洗和消毒记录
- 计算机软件专业自我评价
- 高中数学必修1-5知识点归纳
- 2018-2022年中国第五代移动通信技术(5G)产业深度分析及发展前景研究报告发展趋势(目录)
- 生产车间巡查制度
- 2018版中国光热发电行业深度研究报告目录
- (通用)2019年中考数学总复习 第一章 第四节 数的开方与二次根式课件
- 2017_2018学年高中语文第二单元第4课说数课件粤教版
- 上市新药Lumateperone(卢美哌隆)合成检索总结报告
- 算法
- 微粒
- 耦合
- 脉冲
- 分割
- 图像
- 神经
- 基于
- 网络
- 2014春季学期八年级英语下册第三单元Self_Check
- 高校校园网网络安全问题的分析及对策
- 正宗重庆烤脑花的做法
- 细胞生物学考研试题
- 设计变更控制措施
- 大学语文新教材必讲内容
- 企业规章制度制定的程序
- 浙江省宁波市2020年新高考选考适应性考试 历史 含答案
- 浅析《政府工作报告》中隐喻的翻译策略
- 特殊疑问句练习题
- 【湘教版】地理教案-七年级上册-3.3《世界的语言与宗教》
- 线路(设备)绝缘电阻测试记录DQ2.9
- 人教版新课标高中数学精品系列课件 选修2-1 2.3.2双曲线的性质(三课时全)
- 苏教版语文六年级下册第一单元测试题(答案)_
- 广州市南沙区黄阁三十七度美容店企业信息报告-天眼查
- 天津市人才服务中心
- 风险管理课程总结1-3章
- 素数、合数与分解素因数
- 专门替中国人写的英文基本文法
- 参考文献表示例(顺序编码制)