1.算法描述

脉冲耦合神经网络（PCNN-Pulse Coupled Neural Network）与传统神经网络相比，有着根本的不同。PCNN有生物学的背景，它是依据猫、猴等动物的大脑皮层上的同步脉冲发放现象提出的。PCNN有着广泛的应用，可应用于图像分割，边缘检测、细化、识别等方面。
PCNN是Eckhorn于20世纪90年代开始提出的一种基于猫的视觉原理构建的简化神经网络模型，与BP神经网络和Kohonen神经网络相比，PCNN不需要学习或者训练，能从复杂背景下提取有效信息，具有同步脉冲发放和全局耦合等特性，其信号形式和处理机制更符合人类视觉神经系统的生理学基础。

一个生理激励的人工神经网络，脉冲耦合神经网络（PCNN），可以连接起来创建一个高度灵活的生理滤波器。PCNN对灵长类视觉皮层中观察到的脉冲高度、持续时间、重复频率和神经间联系进行建模。该模型不仅能满足我们视觉模型的滤波要求，还能产生所需的连接和脉冲，以模拟依赖于状态的调制和时间同步。图4显示了PCNN中单个神经元的框图。

有关PCNN的更多讨论，请参见参考文献[3]和[5]。表2显示了实现离散时间PCNN所需的方程式。在该模型中，PCNN神经元接收来自前一层次结构层的馈电输入（X2），并接收来自其自身和其他层的链接输入（Y）。可重入输入将被视为链接输入。图5显示了样本PCNN中单个神经元的馈电和连接。

单个PCNN神经元的滤波特性由馈电输入的模式和应用于这些输入的权重决定。滤光片的感受野由前一层馈电输入连接的形状决定。滤波特性由应用于进给输入的权重确定。例如，一个具有高斯（椭圆形）感受野的神经元将具有以椭圆形模式连接到前一层的馈电输入。在该椭圆模式中，应用于进给输入的权重（M2）在中心处为单位，并随着朝向椭圆边缘的高斯曲线而减小。

PCNN的特征提取和对象分割特性来自神经元的脉冲频率。具有相关进食输入特征（颜色、强度等）的神经元具有相似的脉冲率。连接连接导致神经元紧密接近，相关特征一致脉冲（同步）。连接模式、权重（Wf）和连接系数（i:3）决定了连接输入影响神经元输出的接近度和程度。较大的链接字段往往会对图像产生平滑效果。较大的权重和连接系数（假设标准化，接近1）往往会导致相关特征较少的神经元同步。PCNN神经元（无连接）的脉冲重复率由馈电输入的大小决定。输入较大的神经元比输入较小的神经元脉冲频率更高。缺乏连接输入将导致具有相同馈电输入强度的神经元一致脉冲。对象分割高度依赖于链接系数8的值。
PCNN中的神经元数量等于输入图像中的像素数量。神经元被排列成一个具有横向连接的单层网络。每个神经元接收R半径内所有相邻神经元的链接输入。每个神经元只接收一个馈电输入，即输入图像中对应像素的强度。馈电输入上没有泄漏积分器。所有权重都设置为统一。

2.仿真效果预览

matlab2022a仿真结果如下：

3.MATLAB核心程序


Weight=[0.07 0.1 0.07;0.1 0 0.1;0.07 0.1 0.07];
WeightLI2=[-0.03 -0.03 -0.03;-0.03 0 -0.03;-0.03 -0.03 -0.03];
d=1/(1+sum(sum(WeightLI2)));
%%%%%%测试权值%%%%%%
WeightLI=[-0.03 -0.03 -0.03;-0.03 0.5 -0.03;-0.03 -0.03 -0.03];
d1=1/(sum(sum(WeightLI)));
%%%%%%%%%%%%%%%%%%
Beta=0.4;
Yuzhi=245;
%衰减系数
Decay=0.3;
[a,b]=size(X);
V_T=0.2;
%门限值
Threshold=zeros(a,b);
S=zeros(a+2,b+2);
Y=zeros(a,b);
%点火频率
Firate=zeros(a,b);
n=1;
%统计循环次数
count=0;
Tempu1=zeros(a,b);
Tempu2=zeros(a+2,b+2);
%%%%%%图像增强部分%%%%%%
Out=zeros(a,b);
Out=uint8(Out);
for i=1:a
for j=1:bif(i==1|j==1|i==a|j==b)Out(i,j)=X(i,j);else  H=[X(i-1,j-1)  X(i-1,j) X(i-1,j+1);X(i,j-1)   X(i,j)   X(i,j+1);X(i+1,j-1) X(i+1,j) X(i+1,j+1)]; temp=d1*sum(sum(H.*WeightLI));Out(i,j)=temp;endend
end
figure(2);
imshow(Out);
%%%%%%%%%%%%%%%%%%%
for count=1:30 for i0=2:a+1for i1=2:b+1V=[S(i0-1,i1-1)  S(i0-1,i1) S(i0-1,i1+1);S(i0,i1-1)   S(i0,i1)   S(i0,i1+1);S(i0+1,i1-1) S(i0+1,i1) S(i0+1,i1+1)];L=sum(sum(V.*Weight));V2=[Tempu2(i0-1,i1-1)  Tempu2(i0-1,i1) Tempu2(i0-1,i1+1);Tempu2(i0,i1-1)   Tempu2(i0,i1)   Tempu2(i0,i1+1);Tempu2(i0+1,i1-1) Tempu2(i0+1,i1) Tempu2(i0+1,i1+1)];        F=X(i0-1,i1-1)+sum(sum(V2.*WeightLI2));
%保证侧抑制图像无能量损失
F=d*F;
U=double(F)*(1+Beta*double(L));
Tempu1(i0-1,i1-1)=U;if U>=Threshold(i0-1,i1-1)|Threshold(i0-1,i1-1)<60T(i0-1,i1-1)=1;Threshold(i0-1,i1-1)=Yuzhi;%点火后一直置为1
Y(i0-1,i1-1)=1;    elseT(i0-1,i1-1)=0;Y(i0-1,i1-1)=0;endendendThreshold=exp(-Decay)*Threshold+V_T*Y;%被激活过的像素不再参与迭代过程if n==1S=zeros(a+2,b+2);elseS=Bianhuan(T);endn=n+1;count=count+1; Firate=Firate+Y;figure(3);imshow(Y);Tempu2=Bianhuan(Tempu1);
endFirate(find(Firate<10))=0;Firate(find(Firate>=10))=10;figure(4);imshow(Firate);A129

4.完整MATLAB

基于PCNN脉冲耦合神经网络的图像分割相关推荐

PCNN 脉冲耦合神经网络整理
PCNN 脉冲耦合神经网络脉冲耦合神经元模型神经元的输入有哪些? 首先来看看这个神经元的图示的左边,有YYY和FFF. YYY为这个神经元之前输出的数值,就是说这个模型需要进行多次的运算,每次的运 ...
【图像分割】基于脉冲耦合神经网络实现图像分割附matlab代码
1 简介 1950s数字图像处理产生,从此学术界对它的研究连绵不绝.十多年之后,数字图像的处理被独立出来成了一门课程.图像分割技术是处理图像的一种基础技术,在图像处理领域中占了重要地位,且在图像工程. ...
【MATLAB图像融合】[13]PCNN脉冲耦合神经网络基本原理
→这是一篇学习笔记. →但考虑要发出来,还是排版了,请放心食用. PCNN在图像融合中应用广泛 1.脉冲耦合的神经元之间有有耦合和无耦合两种形式.,有耦合的神经元之间存在能量传播,产生同步脉冲发放,从 ...
【MATLAB图像融合】[14]PCNN脉冲耦合神经网络代码分享
本代码转自厦门大学屈小波教授15年的DEMO代码. % Demo for PCNN in image processing % --------- % Author: Qu Xiao-Bo <q ...
毕业论文 | 基于脉冲耦合神经网络（PCNN）的图像特征提取：论文及源代码及参考文献
=========================================== github:https://github.com/MichaelBeechan CSDN:https://bl ...
神经网络 | 基于脉冲耦合神经网络（PCNN）的图像特征提取（Matlab源代码）
博主github:https://github.com/MichaelBeechan 博主CSDN:https://blog.csdn.net/u011344545 一.代码 %------Pulse ...
【技术综述】基于弱监督深度学习的图像分割方法综述
文章首发于微信公众号<有三AI> [技术综述]基于弱监督深度学习的图像分割方法综述本文是基于弱监督的深度学习的图像分割方法的综述,阐述了弱监督方法的原理以及相对于全监督方法的优势,首发 ...
基于ppg和fft神经网络的光学血压估计【翻译】
基于ppg和fft神经网络的光学血压估计摘要我们引入并验证了仅使用指尖的光体积描记图(PPG)信号的逐拍光学血压(BP)估计范式.该方案确定了主体对PPG信号的特定贡献,并通过适当的归一化去除其大 ...
基于区域增长的可视人彩色图像分割
基于区域增长的可视人彩色图像分割来源:电子技术应用作者:张雯郝重阳摘要: ...

基于PCNN脉冲耦合神经网络的图像分割

1.算法描述

2.仿真效果预览

3.MATLAB核心程序

4.完整MATLAB

基于PCNN脉冲耦合神经网络的图像分割相关推荐

最新文章

热门文章