神經網絡方法在圖像分割中的應用.pdf

1、圖像分割是圖像處理和計算機視覺領域一個重要的研究方向。它是計算機視覺以及醫(yī)學圖像處理、工業(yè)自動化和衛(wèi)星圖像處理等實際應用的算法基礎。人工神經網絡是對人腦結構的算法或硬件模擬,已經被成功應用于包括圖像分割的許多領域。但現有的基于神經網絡的圖像分割方法在分割效果以及算法的時間復雜性和空間復雜性等方面都還存在著一定的問題。正是為了解決這些問題,本文新提出了兩種基于神經網絡的圖像分割方法。第一種是基于Lotka-Volterra神經網絡的方法。

2、Lotka-Volterra模型是一種競爭型回復式神經網絡,它是模擬生物神經元的薄膜動力學(membranedynamics)得到的,已被廣泛應用于噪聲環(huán)境中的輸入選擇問題。用神經元來對應從圖像中提取出的邊緣特征,則可通過神經元之間的相互競爭來同時實現對目標和背景的分離以及不同對象的分割。神經元之間的競爭是根據所對應的邊緣特征之間的相關性進行的,相關性的計算考慮了共圓性、平滑性、對比度變化和距離等因素。由于使用了圖像邊緣的全局結構信息,

3、本方法有較好的抗噪聲能力。第二種方法是基于競爭型離散回復式神經網絡(CDRNN)的方法。本方法主要側重于解決醫(yī)學圖像分割問題。CDRNN具有三維層次化的網絡結構,使用非飽和分段線性函數作為激活函數,它的每一列對應一個競爭型子網絡。本文在附錄中對CDRNN的動力學行為進行了分析。在將CDRNN用于醫(yī)學圖像分割時,不僅使用了圖像的全局灰度信息,而且還使用了其局部紋理信息,從而使得分割的結果比基于全局灰度信息的方法更平滑和連續(xù)。但與其他基于局