改進(jìn)型脈沖耦合神經(jīng)網(wǎng)絡(luò)在圖像分割中的應(yīng)用研究.pdf

1、脈沖耦合神經(jīng)網(wǎng)絡(luò)，是由艾克紅等人根據(jù)哺乳動(dòng)物大腦視覺皮層神經(jīng)元模型在受到刺激的情況下能發(fā)放脈沖串并引起同步振蕩這一現(xiàn)象的基礎(chǔ)上不斷研究總結(jié)得到。該模型基于生物學(xué)背景，類似于生物視覺系統(tǒng)，具各處理圖像的能力，非常適合應(yīng)用于數(shù)字圖像處理領(lǐng)域。本文針對(duì)圖像分割問(wèn)題，對(duì)模型進(jìn)行簡(jiǎn)化和優(yōu)化，并將其應(yīng)用于醫(yī)學(xué)紅細(xì)胞的檢測(cè)與計(jì)數(shù)問(wèn)題中，下面將所做的主要工作闡述如下:
　　i)為使脈沖耦合神經(jīng)網(wǎng)絡(luò)模型更適用于解決數(shù)字圖像分割問(wèn)題，本文對(duì)模型進(jìn)行了

2、優(yōu)化，主要表現(xiàn)在以下兩大方面:
　　a.針對(duì)模型中各參數(shù)在圖像分割問(wèn)題中所發(fā)揮的作用效果不同，本文對(duì)模型輸入部分進(jìn)行了簡(jiǎn)化，主要體現(xiàn)在神經(jīng)元F通道的輸入只考慮外部圖像像素灰度值的影響，神經(jīng)元L通道的輸入只考慮前一時(shí)刻鄰域八個(gè)像素點(diǎn)對(duì)應(yīng)神經(jīng)元輸出的作用。
　　b.針對(duì)PCNN模型參數(shù)設(shè)置需通過(guò)大量的人為試驗(yàn)來(lái)確定這一問(wèn)題，本文采用遺傳算法對(duì)模型進(jìn)行優(yōu)化。利用遺傳算法能自動(dòng)獲取和積累待求解問(wèn)題搜索空間知識(shí)的能力，實(shí)現(xiàn)脈沖耦合神經(jīng)

3、網(wǎng)絡(luò)模型中關(guān)鍵參數(shù)的自適應(yīng)設(shè)值。
　　ii)隨著大規(guī)模集成電路技術(shù)不斷發(fā)展，用硬件實(shí)現(xiàn)算法成為了一種趨勢(shì)，為緊跟時(shí)代的潮流，本文用FPGA開發(fā)板對(duì)改進(jìn)型算法進(jìn)行硬件實(shí)現(xiàn)。在實(shí)現(xiàn)過(guò)程中主要解決了以下三方面的問(wèn)題:
　　a.針對(duì)FPGA開發(fā)板存儲(chǔ)資源有限和設(shè)計(jì)成本約束問(wèn)題，本文對(duì)算法進(jìn)行改良，將神經(jīng)元數(shù)目縮減為一個(gè)，采用串行方式對(duì)整幅圖像進(jìn)行分割處理。
　　b.為便于硬件實(shí)現(xiàn)，遺傳算法選用二進(jìn)制編碼方式、隨機(jī)聯(lián)賽選擇算子、