【图像分割】基于麻雀算法优化脉冲耦合神经网络实现图像分割附matlab代码

1 内容介绍

脉冲耦合神经网络(Pulse coupled Neural Network,PCNN)是被称为第三代人工神经网络的新型神经网络模型。它具有生物学背景,是在研究哺乳动物视觉皮层脉冲震荡现象的基础上提出的。由于其在数字图像处理中具有独特的优势,在发展的二十多年间已经成为数字图像处理领域研究的热点,而且在其他一些智能信息处理领域也取得了不错的研究成果。本文主要针对脉冲耦合神经网络在图像分割领域中应用时存在的一些问题进行了探讨和研究。简化的脉冲耦合神经网络模型在早期的图像分割中取得了不错的效果,但随着其它分割技术的发展,其弊端逐渐显现,如边缘和细节的处理较为粗糙,明暗区域不敏感等。提出了麻雀算法应用于PCNN图像分割技术中,通过优化模型中的参数来达到自动分割的目的,省去人工设置参数的繁琐,MATLAB仿真结果分析表明,与最大熵图像分割法和OTSU图像分割方法进行比较,SSA优化的PCNN图像分割效果优于其他两种方法图像分割的效果.

2 部分代码

%_________________________________________________________________________________

%  Salp Swarm Algorithm (SSA) source codes version 1.0

%

%   Main paper:

%   S. Mirjalili, A.H. Gandomi, S.Z. Mirjalili, S. Saremi, H. Faris, S.M. Mirjalili,

%   Salp Swarm Algorithm: A bio-inspired optimizer for engineering design problems

%   Advances in Engineering Software

%   DOI: http://dx.doi.org/10.1016/j.advengsoft.2017.07.002

%____________________________________________________________________________________

function [FoodFitness,FoodPosition,Convergence_curve]=SSA(N,Max_iter,lb,ub,dim,fobj)

if size(ub,1)==1

    ub=ones(dim,1)*ub;

    lb=ones(dim,1)*lb;

end

Convergence_curve = zeros(1,Max_iter);

%Initialize the positions of salps

SalpPositions=initialization(N,dim,ub,lb);

FoodPosition=zeros(1,dim);

FoodFitness=inf;

%calculate the fitness of initial salps

for i=1:size(SalpPositions,1)

    SalpFitness(1,i)=fobj(SalpPositions(i,:));

end

[sorted_salps_fitness,sorted_indexes]=sort(SalpFitness);

for newindex=1:N

    Sorted_salps(newindex,:)=SalpPositions(sorted_indexes(newindex),:);

end

FoodPosition=Sorted_salps(1,:);

FoodFitness=sorted_salps_fitness(1);

%Main loop

l=2; % start from the second iteration since the first iteration was dedicated to calculating the fitness of salps

while l<Max_iter+1

    c1 = 2*exp(-(4*l/Max_iter)^2); % Eq. (3.2) in the paper

    for i=1:size(SalpPositions,1)

        SalpPositions= SalpPositions';

        if i<=N/2

            for j=1:1:dim

                c2=rand();

                c3=rand();

                %%%%%%%%%%%%% % Eq. (3.1) in the paper %%%%%%%%%%%%%%

                if c3<0.5 

                    SalpPositions(j,i)=FoodPosition(j)+c1*((ub(j)-lb(j))*c2+lb(j));

                else

                    SalpPositions(j,i)=FoodPosition(j)-c1*((ub(j)-lb(j))*c2+lb(j));

                end

                %%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%

            end

        elseif i>N/2 && i<N+1

            point1=SalpPositions(:,i-1);

            point2=SalpPositions(:,i);

            SalpPositions(:,i)=(point2+point1)/2; % % Eq. (3.4) in the paper

        end

        SalpPositions= SalpPositions';

    end

    for i=1:size(SalpPositions,1)

        Tp=SalpPositions(i,:)>ub';Tm=SalpPositions(i,:)<lb';SalpPositions(i,:)=(SalpPositions(i,:).*(~(Tp+Tm)))+ub'.*Tp+lb'.*Tm;

        SalpFitness(1,i)=fobj(SalpPositions(i,:));

        if SalpFitness(1,i)<FoodFitness

            FoodPosition=SalpPositions(i,:);

            FoodFitness=SalpFitness(1,i); 

        end

    end

    Convergence_curve(l)=FoodFitness;

    l = l + 1;

end

3 运行结果

4 参考文献

[1]张晓明. 基于量子遗传算法的脉冲耦合神经网络图像分割技术研究[D]. 哈尔滨工程大学, 2014.

[2]赵晗. 脉冲耦合神经网络用于图像分割若干问题研究[D]. 中国矿业大学.

博主简介：擅长智能优化算法、神经网络预测、信号处理、元胞自动机、图像处理、路径规划、无人机、雷达通信、无线传感器等多种领域的Matlab仿真，相关matlab代码问题可私信交流。

部分理论引用网络文献，若有侵权联系博主删除。