趙海燕

?

新的PCNN實現(xiàn)方法及其在圖像處理中的應(yīng)用研究

趙海燕

成都東軟學(xué)院計科系，四川 都江堰 611844

隨著計算機技術(shù)的不斷發(fā)展，圖像處理技術(shù)水平也是在不斷得到提升，其所應(yīng)用的先進技術(shù)也是越來越多，其中PCNN在圖像處理中的應(yīng)用使得圖像處理的水平得到了一個質(zhì)的飛躍。在此主要對新的PCNN實現(xiàn)方法進行了分析，并對其在圖像處理當(dāng)中的具體應(yīng)用進行了探討，以期能夠不斷提升圖像處理水平。

PCNN；圖像處理；應(yīng)用研究

PCNN是不同于傳統(tǒng)人工神經(jīng)網(wǎng)絡(luò)的一種新型神經(jīng)網(wǎng)絡(luò)模型，是根據(jù)動物大腦皮層上的脈沖振蕩提出的一種生物神經(jīng)模型，這種模型已經(jīng)廣泛應(yīng)用在圖像處理或識別當(dāng)中，其所應(yīng)用的優(yōu)勢也非常明顯，也正在逐漸成為圖像處理中的應(yīng)用翹楚，且隨著PCNN新的實現(xiàn)方法的出現(xiàn)，其在圖像處理當(dāng)中的應(yīng)用也更加得到重視[1]。

1 新的PCNN實現(xiàn)方法

PCNN全稱為脈沖耦合神經(jīng)網(wǎng)絡(luò)，是一種新型的神經(jīng)網(wǎng)絡(luò)模型，屬于單層二位脈沖耦合神經(jīng)元陣列，將每個神經(jīng)元對應(yīng)圖像當(dāng)中的一個像素，就可以對圖像進行處理。這種模型在圖像處理當(dāng)中的表現(xiàn)比較出色，且隨著PCNN技術(shù)的不斷發(fā)展，其在圖像處理中所占有的地位也是越來越突出，在這里筆者主要是提出了新的PCNN實現(xiàn)方法，也對其在圖像處理當(dāng)中的應(yīng)用結(jié)合進行了討論。這里所提到的新的實現(xiàn)方法主要是快速算法實現(xiàn)，主要表現(xiàn)在兩點上：一是簡化模型。相對于傳統(tǒng)的PCNN模型，新的實現(xiàn)方法當(dāng)中對內(nèi)部行為計算進行了較大簡化，包括閾值產(chǎn)生方式進行簡化，通過查找表的方式來獲取閾值，減少中間的計算過程，并且對網(wǎng)絡(luò)運行機制進行進一步優(yōu)化，優(yōu)化后的模型當(dāng)中神經(jīng)元只能點火一次，之后該神經(jīng)元不再進行點火，這樣能夠極大簡化傳統(tǒng)的PCNN模型；二是新的整數(shù)運算[2]。PCNN模型操作主要是通過內(nèi)部行為和閾值兩者比較來實現(xiàn)的，其中內(nèi)部行為中的小數(shù)則是通過連接幅值系數(shù)、連接系數(shù)和連接權(quán)來引入，這就會使得內(nèi)部行為小數(shù)位數(shù)至少是在4位左右的。這時，新的實現(xiàn)方法當(dāng)中，將每個系數(shù)乘以一個比較大的常數(shù)，比如乘以10000，就可以將原來至少四位的小數(shù)轉(zhuǎn)化成整數(shù)[3]。相對應(yīng)的查找閾值表時也同樣乘以預(yù)定的常數(shù)，將閾值也轉(zhuǎn)化成整數(shù)，這樣就可以進行整數(shù)計算，整數(shù)計算的結(jié)果更加明了、簡單，也能夠?qū)?fù)雜的小數(shù)計算進行簡化。而且在網(wǎng)絡(luò)運行前就將乘以常數(shù)這一步驟輸入到相應(yīng)的計算步驟當(dāng)中，這樣就不會影響網(wǎng)絡(luò)運行效率，不用擔(dān)心整數(shù)的轉(zhuǎn)換給神經(jīng)網(wǎng)絡(luò)模型的計算效率帶來影響。然后，在計算公式時同樣將原來的常數(shù)1改成之后確定的常數(shù)，比如10000，這樣就能夠?qū)崿F(xiàn)整個PCNN模型當(dāng)中的整數(shù)計算，有效提升PCNN運算的執(zhí)行效率[4]。

2 PCNN在圖像處理當(dāng)中的應(yīng)用

2.1 圖像增強

PCNN在圖像處理中的應(yīng)用首先表現(xiàn)在圖像增強方面，在應(yīng)用上先是通過用PCNN來獲取時間索引圖，并且對時間索引圖灰度級進行規(guī)格化處理，保證灰度技術(shù)和原來的輸入圖像是一致的，然后利用公式對細節(jié)增強圖像進行計算，將計算出來的細節(jié)增強圖像同樣進行灰度級規(guī)格化處理，這樣就可以利用常數(shù)來增強細節(jié)部分的增強程度，通常這個常數(shù)設(shè)置為0.5。在整體視覺增強方法上，應(yīng)用方法和細節(jié)增強方法基本是一致的，只是在計算公式上有所差異[5]。

2.2 邊緣檢測

有時有很多輸入到系統(tǒng)當(dāng)中的圖像會出現(xiàn)一些細節(jié)紋理所形成的圖像邊緣，這些邊緣往往是沒有什么物理意義的，同時還會對圖像的后期處理產(chǎn)生一定的干擾，因而需要對這些邊緣進行檢測并將其處理掉。傳統(tǒng)的圖像處理技術(shù)無法完成對邊緣進行精確檢測，而PCNN在圖像處理當(dāng)中的應(yīng)用則能夠在一定條件下有效減少細節(jié)紋理帶來的干擾，并對相應(yīng)邊緣進行檢測[6]。具體的應(yīng)用方法是，首先利用PCNN獲取時間索引圖，然后同樣對時間索引圖進行灰度級規(guī)格化處理，使輸入圖像和時間索引圖的灰度級數(shù)相同。然后，用系統(tǒng)中自帶的邊緣檢測方法在索引圖當(dāng)中對邊緣進行檢測，由于借助了時間索引圖的應(yīng)用，對圖像中的邊緣檢測也更加精準，從而能夠有效減少輸入圖像中的細節(jié)紋理干擾[7]。

2.3 圖像分割

圖像處理當(dāng)中不同區(qū)域的圖像分割是其中的處理難點[8]，基于PCNN的圖像處理系統(tǒng)能夠?qū)Σ煌叶鹊膱D像進行一定的圖像分割，其分割原理主要是如果只有兩個區(qū)域的一幅圖像當(dāng)中，一部分為背景區(qū)，一部分為目標區(qū)，那么如果目標區(qū)的灰度分布范圍（XRmin，XRmax）和背景區(qū)的灰度分布范圍（XBmin，XBmax）發(fā)生重疊，那么XRmin（1+βLRmin（tR））≥XRmax，XBmax（1+βLBmax（tR））≥XRmax，XBmin（1+βLBmin（tB））≥XBmax這三個條件同時成立時，圖像就可以進行完美分割。目前，對于PCNN在圖像分割中的應(yīng)用是否能夠確定使上述三個條件同時成立，并且完成對圖像的完美分割，當(dāng)前還沒有確切的定論[9]。

3 結(jié)束語

新型PCNN在圖像處理中的應(yīng)用主要可以表現(xiàn)在圖像去噪、分割和邊緣檢測等方面上，由于PCNN本身所具備的生物學(xué)背景使得其在圖像處理上有著明顯優(yōu)勢，應(yīng)用前景也十分廣闊，應(yīng)充分引起相關(guān)的研究人員重視，并且不斷加強對PCNN理論方面的研究，對其參數(shù)選取進行設(shè)置，從而有效提升PCNN的運行效率，保證圖像處理的效果[10]。

[1]王蒙軍，郭林.改進內(nèi)部活動項的多通道PCNN彩色圖像分割[J].激光與光電子學(xué)進展，2015，52（12）：80-86.

[2]金鑫，聶仁燦，周冬明，等.S-PCNN與二維靜態(tài)小波相結(jié)合的遙感圖像融合研究[J].激光與光電子學(xué)進展，2015，52（10）：139-144.

[3]夏瀟鸞，鄧紅霞，李海芳.改進遍歷過程的PCNN在圖像處理中的應(yīng)用[J].計算機應(yīng)用，2013，33（10）：2895-2898.

[4]邵曉鵬，鐘宬.一種簡化PCNN模型在彩色圖像邊緣檢測上的應(yīng)用[J].西安電子科技大學(xué)學(xué)報，2012，39（6）：1-9.

[5]羅建.一種改進的PCNN模型及在圖像處理中的應(yīng)用[J].西華師范大學(xué)學(xué)報（自然科學(xué)版），2011，32（4）：397-401.

[6]石斌.醫(yī)學(xué)圖像分割處理中改進型PCNN模型的應(yīng)用綜述[J].甘肅科技，2015（19）：132-133.

[7]羅建，李艷梅.一種改進的PCNN模型及在圖像處理中的應(yīng)用[J].西華師范大學(xué)學(xué)報：自然科學(xué)版，2011，32（4）：397-401.

[8]張淼，歐幸福，唐雄民，等.PCNN在金屬拉鏈缺陷檢測中的應(yīng)用[J].計算機工程與應(yīng)用，2014，50（18）：251-256.

[9]王曉軍，王崴，劉曉衛(wèi)，等.基于圖像復(fù)雜度的PCNN邊緣檢測新算法[J].彈箭與制導(dǎo)學(xué)報，2015，35（4）：154-158.

[10]陸玉婧，李海燕，費勤水，等.基于簡化的PCNN在超聲乳腺癌圖像去噪方面的應(yīng)用[J].生物醫(yī)學(xué)工程研究，2013，32（2）：36.

New PCNN Implementation and Its Application in Image Processing

Zhao Haiyan

Chengdu Neusoft project department，Sichuan Dujiangyan 611844

With the development of computer technology，image processing technology is constantly been improved，it is applied advanced technology is more and more，which PCNN application in image processing，image processing so that the level has been a qualitative leap.This paper focuses on the new PCNN implementation were analyzed and discussed their specific application in image processing so as to，in order to be able to continuously improve the level of image processing.

PCNN; Image Processing; Application

TP391.41；TP183

A

1009-6434(2016)07-0128-02