[1]杨 旭,何鸿宇,李金锁,等.PSO 优化 PCNN 模型在图像分割中的性能分析[J].机械与电子,2023,41(11):43-48.
　YANG Xu,HE Hongyu,et al.Performance Analysis of Image Segmentation Based on PSO Optimized PCNN Models[J].Machinery & Electronics,2023,41(11):43-48.
点击复制

PSO 优化 PCNN 模型在图像分割中的性能分析()
分享到：

《机械与电子》[ISSN:1001-2257/CN:52-1052/TH]

卷:
41
期数:
2023年11期
页码:
43-48
栏目:
智能工程
出版日期:
2023-11-23

文章信息/Info

Title:
Performance Analysis of Image Segmentation Based on PSO Optimized PCNN Models
文章编号:
1001-2257 ( 2023 ) 11-0043-06
作者:
杨 旭 1 ; 2 ; 何鸿宇 3 ; 李金锁 1 ;  2 ; 廖 源 3 ; 周同驰 3
1. 河南省工业物联网应用工程技术研究中心,河南 南阳 473005 ;
2. 河南工业职业技术学院,河南 南阳 473005 ;?
3. 中原工学院,河南 郑州 451191
Author(s):
YANG Xu1 ;  2 ;  HE Hongyu3 ;  LI Jinsuo1 ;  2 ;  LIAO Yuan3 ;  ZHOU Tongchi3
( 1.Things Application Engineering Technology Research Center of Henan Industrial Internet , Nanyang 473005 , China ;
2.Henan Institute of University and Technology , Nanyang 473005 , China ;
3.Zhongyuan University of Technology , Zhengzhou 451191 , China )
关键词:
粒子群优化; 脉冲耦合神经网络; 图像分割; 性能分析
Keywords:
particle swarm optimization ;  pulse coupled neural network ;  image segmentation ;  performance analysis
分类号:
TP391.41
文献标志码:
A
摘要:
脉冲耦合神经网络模型参数众多,在应用时通常根据经验或实验设置。针对模型参数影响应用等问题,采用群体智能优化算法 PSO 优化简单脉冲耦合神经网络模型的关键参数,如耦合系数、时间衰减因子和脉冲输出的乘积系数。通过仿真实验,评价智能优化算法学习模型参数的有效性,比较分析了不同参数 PCNN 模型在图像分割中获得的轮廓、细节和纹理等存在差异性。
Abstract:
The numerous parameters of the pulse coupled neural network model affects the application , and the researchers usually set them according to experience or experiment.To relieve this problem , the key parameters of the simple pulse coupled neural network model , such as coupling coefficient , time attenuation factor , product coefficient of pulse output , are optimized by swarm intelligent optimization algorithm PSO.Through experiments , the advantage of PSO optimized PCNN model in the field of image segmentation is verified , and the differences of contours , details and textures obtained by different parameter PCNN models are compared and analyzed.

参考文献/References:

[ 1 ] ZHAN K , SHI J H , WANG H B , et al.Computational mechanisms of pulse-coupled neural networks : a comprehensive review [ J ] .Archives of computational methods in engineering , 2017 , 24 ( 3 ): 573-588.

[ 2 ] LIAN J , YANG Z , LIU J Z , et al.An overview of image segmentation based on pulse-coupled neural network [ J ] .Archives of computational methods in engineering , 2021 , 28 ( 2 ):387-403.
[ 3 ] 周东国,高潮,郭永彩 . 一种参数自适应的简化 PCNN 图像分割方法[ J ] . 自动化学报, 2014 , 40 ( 6 ): 1191-1197.
[ 4 ] DENG X Y , YANG Y H , QIN W J.An improved non coupled PCNN model for image segmentation [ J ] .IOP Conference series materials science and engineering , 2020 , 790 : 012130.
[ 5 ] 王文涛,罗晓曙,阎晨阳 . 基于灰度迭代阈值 PCNN 的眼底图像血管分割[ J ] . 计算机工程与应用,2018 , 54( 20 ): 197-201.
[ 6 ] TRUONG M T N , KIM S .Automatic image thresholding using Otsu ’s method and entropy weighting scheme for surface defect detection [ J ] .Soft computing , 2018 , 22 ( 13 ): 4197-4203.
[ 7 ] 马义德,戴若兰,李廉 . 一种基于脉冲耦合神经网络和图像熵的自动图像分割方法[ J ] . 通信学报, 2002 ( 1 ):46-51.
[ 8 ] 邓翔宇,马义德 .PCNN 参数自适应设定及其模型的改进[ J ] . 电子学报, 2012 , 40 ( 5 ): 955-964.
[ 9 ] 赵彦明 . 基于视觉信息的 PCNN 参数自适应设定及模型改进[ J ] . 计算机科学, 2013 , 40 ( 6 ): 291-294.
[ 10 ] 李瀚,杨晓峰,邓红霞,等 . 基于网格搜索算法的 PCNN 模型参数自适应[ J ] . 计算机工程与设计, 2017 , 38 ( 1 ): 192-197.
[ 11 ] 徐亮,李欣 .PSO 最优化 PCNN 参数的皮质骨微观结构图像分割研究[ J ] . 激光杂志, 2015 , 36 ( 2 ): 6-11.
[ 12 ] 钱炜,周武能 . 基于粒子群算法优化 PCNN 的织物疵点分割[ J ] . 棉纺织技术, 2017 , 45 ( 10 ): 5-8.
[ 13 ] 廖传柱,张旦,江铭炎 . 基于 ABC PCNN 模型的图像分割[ J ] . 南京理工大学学报, 2014 , 38 ( 4 ): 558-565.
[ 14 ] 张坤华,谭志恒,李斌 . 结合粒子群优化和综合评价的脉冲耦合神经网络图像自动分割[ J ] . 光学精密工程,2018 , 26 ( 4 ): 962-970.
[ 15 ] HUANG C X , TIAN G X , LAN Y S , et al.A new pulse coupled neural network ( PCNN ) for brain medical image fusion empowered by shuffled frog leaping algorithm [ J ] .Frontiersin neuroscience , 2019 , 13 : 00210.
[16 ] 周同驰,李征,瞿博阳,等 . 基于灰度重构和 PSO 的 FCM 分割 MRI [ J ] . 计算机工程与设计, 2021 , 42 ( 9 ):2568-2576.

相似文献/References:

[1]郭 森,王 大 为,张 绍 伟,等.自适应SA-PSO优化的威布尔混合分布参数估计方法及应用[J].机械与电子,2020,(09):21.
　GUO Sen,WANG Dawei,ZHANG Shaowei,et al.Research on Parameter Estimation Method with Application of Mixed Weibull Distribution Based on Adaptive SA-PSO[J].Machinery & Electronics,2020,(11):21.
[2]成旭明,段 杰,肖 息,等.粒子群优化的变论域模糊 PI 机电作动器控制[J].机械与电子,2022,(01):42.
　CHENG Xuming,DUAN Jie,XIAO Xi,et al.Variable Universe Fuzzy PI Control of Electro-mechanical Actuator Based on Particle Swarm Optimization[J].Machinery & Electronics,2022,(11):42.
[3]袁君鑫,聂伟荣,席占稳,等.基于 PSO-BP 神经网络的微流体惯性开关接触电阻预测研究[J].机械与电子,2024,42(12):18.
　YUAN Junxin,NIE Weirong,XI Zhanwen,et al.Research on Predicting Contact Resistance of Microfluid Inertial Switch Based on PSO-BP Neural Network[J].Machinery & Electronics,2024,42(11):18.

备注/Memo

备注/Memo:
收稿日期: 2023-03-14
基金项目:教育部第三批 " 云数融合科教创新 " 基金项目( 2018A10004 );河南省高校学校重点科研项目( 20B120004 );中国纺织工业联合会指导项目( 2018107 )
作者简介:杨 旭 ( 1983- ),男,河北平山人,硕士,讲师,研究方向为电子信息、机器学习;何鸿宇 ( 1998- ),男,湖南郴州人,硕士研究生,研究方向为智能控制与智能计算;李金锁 ( 1982- ),男,河南南阳人,硕士,讲师,研究方向为计算机网格技术、软件工程;廖 源 ( 2000- ),男,河南南阳人,硕士研究生,研究方向为视觉信号处理;周同驰 ( 1979- ),男,河南南阳人,博士,讲师,研究方向为机器学习、计算机视觉、模式识别,通信作者。
更新日期/Last Update: 2023-12-14