吉林大学学报(工学版) ›› 2013, Vol. 43 ›› Issue (03): 758-763.doi: 10.7964/jdxbgxb201303033

• 论文 • 上一篇    下一篇

基于改进的脉冲耦合神经网络模型的图像分割

杨娜1,2, 陈后金1, 李艳凤1, 郝晓莉1, 姚畅1   

  1. 1. 北京交通大学 电子信息工程学院,北京 100044;
    2. 中北大学 信息与通信工程学院,太原 030051
  • 收稿日期:2012-03-26 出版日期:2013-05-01 发布日期:2013-05-01
  • 作者简介:杨娜(1977-),女,博士研究生.研究方向:图像处理,信号处理与重构.E-mail:08111010@bjtu.edu.cn
  • 基金资助:

    高等学校博士学科点专项科研基金项目(20110009110001);中央高校基本科研业务费专项项目(2011JBM003);国家自然科学基金项目(61271305,60972093,61201363).

Algorithm of image segmentation based on the improved pulse coupled neural network model

YANG Na1,2, CHEN Hou-jin1, LI Yan-feng1, HAO Xiao-li1, YAO Chang1   

  1. 1. School of Electronic Information Engineering, Beijing Jiaotong University, Beijing 100044, China;
    2. School of Information and Communication Engineering, North University of China, Taiyuan 030051,China
  • Received:2012-03-26 Online:2013-05-01 Published:2013-05-01

RICH HTML

0   

PDF (PC)

342

摘要： 提出了一种改进的脉冲耦合神经网络(Receptive field-pulse coupled neural networks, RF-PCNN)模型.通过感受野模型对连接矩阵的优化,使脉冲耦合神经网络(Pulse coupled neural networks, PCNN)模型具有了方向性和尺度性,能够更好地模拟视觉细胞图像分割的功能.试验结果表明:RF-PCNN模型对自然环境中车辆图像分割的有效性,分割结果具有较高的边界检出率,较好地解决了图像分割中车牌区域存在的欠分割和过分割问题.

关键词: 信息处理技术, 图像分割, 脉冲耦合神经网络, 感受野

Abstract: An improved Pulse Coupled Neural Network (PCNN) model was proposed, where the linking matrix was optimized with Receptive Field (RF) model. The PCNN model possesses both directionality and scales, and can simulate the segmentation function of visual cells more efficiently. Experimental results demonstrate the effectiveness of the RF-PCNN model in segmenting vehicle images and segmentation results have high boundary detection rate. The problems of under-segmentation and over-segmentation in vehicle plate region are well solved.

Key words: information processing, image segmentation, pulse coupled neural networks (PCNN), receptive field

中图分类号: 

  • TN911.73
[1] Liu Shang-wang, He Dong-jian, Liang Xin-hong. An improved hybrid model for automatic salient region detection[J]. Signai Processing Letters, 2012,19(4):207-210.

[2] 付朝阳,郭雷,常威威. 基于小波变换和多通道脉冲耦合神经网络的高光谱图像融合[J]. 吉林大学学报:工学版, 2011,41(3):838-843. Fu Zhao-yang, Guo Lei, Chang Wei-wei. Fusion algorithm of hyperspectral images based on wavelet transform and multi-channel PCNN[J]. Journal of Jilin University(Engineering and Technology Edition), 2011,41(3):838-843.

[3] 辛国江,邹北骥,李建锋,等. 结合最大方差比准则和PCNN模型的图像分割[J]. 中国图象图形学报,2011,16(7):1310-1316. Xin Guo-jiang, Zou Bei-ji, Li Jian-feng, et al. Image segmentation with PCNN model and maximum of variance ratio[J]. Journal of Image and Graphics, 2011,16(7):1310-1316.

[4] 姚畅,陈后金,荆涛,等. 一种基于改进的PCNN的视网膜血管树提取方法[J].光电子·激光, 2011, 22(11):1745-1750. Yao Chang, Chen Hou-jin, Jing Tao, et al. Extraction of blood vessel tree in retinal image based on improved PCNN[J]. Journal of Optoelectronics Laser, 2011,22(11):1745-1750.

[5] Eckhorn R, Reitboeck H J, Arndt M, et al. Feature linking via stimulus-evoked oscillations: Experimental results from cat visual cortex and functional implications from a network model[J]. Neural Networks, 1989,6(1):723-730.

[6] Wei S, Hong Q, Hou M S. Automatic image segmentation based on PCNN with adaptive threshold time constant[J]. Neurocomputing, 2011, 74(9): 1485-1491.

[7] 寿天德. 视觉信息处理的脑机制[M]. 合肥:中国科学技术大学出版社, 2010: 150-170.

[8] Daugman J G. Principles of visual neuronal receptive field organization: two-dimensional spectral consequences//IEEE International Conference on Systems, Man and Cybernetics, New York, USA, 1984:457-464.

[9] 祝文骏. 基于视觉皮层网络的物体整体特征分析与算法研究. 上海:上海交通大学电子信息与电气工程学院,2011. Zhu Wen-jun. Global feature analysis and algorithms based on visual cortical networks. Shanghai: School of Electronic Information and Electrical Engineering, Shanghai Jiaotong University, 2011.

[10] Johnson J L, Padgett M L. PCNN models and applications[J]. Transactions on Neural Networks,1999,10(3):480-498.

[11] 杨娜,陈后金,李艳凤,等. PCNN模型耦合参数的优化及车辆图像分割[J]. 交通运输系统工程与信息,2012,12(1):48-54. Yang Na, Chen Hou-jin, Li Yan-feng, et al. Coupled parameter optimization of pcnn model and vehicle image segmentation[J]. Journal of Transportation Systems Engineering and Information Technology, 2012,12(1):48-54.

[12] 于江波,陈后金. PCNN模型的改进及其在医学图像处理中的应用[J].电子与信息学报,2007,29(10):2316-2320. Yu Jiang-bo, Chen Hou-jin. Improvement of PCNN model and its application to medical image processing[J].Journal of Electronics＆ Information Technology,2007,29(10): 2316-2320.

[13] 刘国英,马国锐,王雷光,等.基于Markov随机场的小波域图像建模及分割[M].北京:科学出版社, 2010:15-31.
[1] 苏寒松,代志涛,刘高华,张倩芳. 结合吸收Markov链和流行排序的显著性区域检测[J]. 吉林大学学报(工学版), 2018, 48(6): 1887-1894.
[2] 徐岩,孙美双. 基于卷积神经网络的水下图像增强方法[J]. 吉林大学学报(工学版), 2018, 48(6): 1895-1903.
[3] 黄勇,杨德运,乔赛,慕振国. 高分辨合成孔径雷达图像的耦合传统恒虚警目标检测[J]. 吉林大学学报(工学版), 2018, 48(6): 1904-1909.
[4] 李居朋,张祖成,李墨羽,缪德芳. 基于Kalman滤波的电容屏触控轨迹平滑算法[J]. 吉林大学学报(工学版), 2018, 48(6): 1910-1916.
[5] 应欢,刘松华,唐博文,韩丽芳,周亮. 基于自适应释放策略的低开销确定性重放方法[J]. 吉林大学学报(工学版), 2018, 48(6): 1917-1924.
[6] 陆智俊,钟超,吴敬玉. 星载合成孔径雷达图像小特征的准确分割方法[J]. 吉林大学学报(工学版), 2018, 48(6): 1925-1930.
[7] 刘仲民,王阳,李战明,胡文瑾. 基于简单线性迭代聚类和快速最近邻区域合并的图像分割算法[J]. 吉林大学学报(工学版), 2018, 48(6): 1931-1937.
[8] 单泽彪,刘小松,史红伟,王春阳,石要武. 动态压缩感知波达方向跟踪算法[J]. 吉林大学学报(工学版), 2018, 48(6): 1938-1944.
[9] 姚海洋, 王海燕, 张之琛, 申晓红. 双Duffing振子逆向联合信号检测模型[J]. 吉林大学学报(工学版), 2018, 48(4): 1282-1290.
[10] 全薇, 郝晓明, 孙雅东, 柏葆华, 王禹亭. 基于实际眼结构的个性化投影式头盔物镜研制[J]. 吉林大学学报(工学版), 2018, 48(4): 1291-1297.
[11] 陈绵书, 苏越, 桑爱军, 李培鹏. 基于空间矢量模型的图像分类方法[J]. 吉林大学学报(工学版), 2018, 48(3): 943-951.
[12] 陈涛, 崔岳寒, 郭立民. 适用于单快拍的多重信号分类改进算法[J]. 吉林大学学报(工学版), 2018, 48(3): 952-956.
[13] 孟广伟, 李荣佳, 王欣, 周立明, 顾帅. 压电双材料界面裂纹的强度因子分析[J]. 吉林大学学报(工学版), 2018, 48(2): 500-506.
[14] 林金花, 王延杰, 孙宏海. 改进的自适应特征细分方法及其对Catmull-Clark曲面的实时绘制[J]. 吉林大学学报(工学版), 2018, 48(2): 625-632.
[15] 王柯, 刘富, 康冰, 霍彤彤, 周求湛. 基于沙蝎定位猎物的仿生震源定位方法[J]. 吉林大学学报(工学版), 2018, 48(2): 633-639.
Viewed
Full text


Abstract

Cited
  Shared   
  Discussed   
No Suggested Reading articles found!
版权所有 © 《吉林大学学报(工学版)》编辑部
地址：长春市人民大街5988号　电话：+86-431-85095297　传真：+86-431-85094074　E-mail: xbgxb@jlu.edu.cn
本系统由北京玛格泰克科技发展有限公司设计开发