?1 簡(jiǎn)介

從20世紀(jì)90年代開(kāi)始,由Eckhorn等對(duì)貓的視覺(jué)皮層神經(jīng)元脈沖同步震蕩現(xiàn)象的研究,得到了哺乳動(dòng)物神經(jīng)元模型。對(duì)Eckhorn提出的模型進(jìn)行一些改進(jìn),就得到了脈沖耦合神經(jīng)網(wǎng)絡(luò)(PCNN,(Pulse-Coupled Neural Networks)模型。該模型具有對(duì)圖像二維空間相似、灰度相似的像素進(jìn)行分組的特點(diǎn),并能減小圖像局部灰度差值,彌補(bǔ)圖像局部微小間斷,這是其他圖像分割方法無(wú)法比擬的特點(diǎn)。PCNN主要用于特征提取、邊緣信息分析、圖像分割、目標(biāo)識(shí)別,其應(yīng)用研究正在逐步深入。目前基于該P(yáng)CNN模型的大型圖像診斷系統(tǒng)、軍事目標(biāo)識(shí)別系統(tǒng)、圖像分割和目標(biāo)分類系統(tǒng)等正在進(jìn)行研制中。?本文通過(guò)將脈沖耦合神經(jīng)網(wǎng)絡(luò)應(yīng)用到醫(yī)學(xué)圖像處理中,在HIS色彩空間上的彩色圖像增強(qiáng)算法。該算法能夠在平滑圖像、突出圖像邊緣的同時(shí),通過(guò)對(duì)亮度強(qiáng)度分量的均衡化處理和對(duì)飽和度分量的非線性指數(shù)調(diào)整,改善了醫(yī)學(xué)圖像的視覺(jué)效果和圖像色彩的真實(shí)效果。?文章利用MATLAB軟件實(shí)現(xiàn)PCNN的模擬,并通過(guò)PCNN獨(dú)有的優(yōu)勢(shì)對(duì)醫(yī)學(xué)圖像進(jìn)行增強(qiáng)處理。

2 部分代碼

function Y_Normalized=Data_Normalized(Y,method)%將Y的元素線性標(biāo)準(zhǔn)化到[0,1]之間%可以有兩種方式：1.min-0,max-1;2.min-1,max-0,因?yàn)閅的值一般都為負(fù)，不知其意義是值越大效果越大還是絕對(duì)值越大效果越大%應(yīng)該為第一種，但第二種效果也挺好看，因?yàn)镠SI模型中I反映的是亮度，與顏色無(wú)關(guān)if nargin==1 method=0;end?Y_min=min(min(Y));Y_max=max(max(Y));if method==0 Y_Normalized=(Y-Y_min)/(Y_max-Y_min);else Y_Normalized=(Y-Y_max)/(Y_min-Y_max);endend ?

3 仿真結(jié)果

4 參考文獻(xiàn)

[1]馬振興. 基于脈沖耦合神經(jīng)網(wǎng)絡(luò)的醫(yī)學(xué)圖像增強(qiáng)處理[D]. 北京郵電大學(xué), 2008.

博主簡(jiǎn)介：擅長(zhǎng)智能優(yōu)化算法、神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)、信號(hào)處理、元胞自動(dòng)機(jī)、圖像處理、路徑規(guī)劃、無(wú)人機(jī)等多種領(lǐng)域的Matlab仿真，相關(guān)matlab代碼問(wèn)題可私信交流。

部分理論引用網(wǎng)絡(luò)文獻(xiàn)，若有侵權(quán)聯(lián)系博主刪除。

總結(jié)

以上是生活随笔為你收集整理的【图像增强】基于脉冲神经网络PCNN实现图像增强附matlab代码的全部?jī)?nèi)容，希望文章能夠幫你解決所遇到的問(wèn)題。

如果覺(jué)得生活随笔網(wǎng)站內(nèi)容還不錯(cuò)，歡迎將生活随笔推薦給好友。