[發明專利]基于PSO和綜合評價準則的PCNN圖分割方法及裝置

有效

• 申請號: 201711096399.8
• 申請日: 2017-11-09
• 公開（公告）號: CN108038859B
• 公開（公告）日: 2022-01-18
• 發明（設計）人: 張坤華;譚志恒;李斌
• 申請（專利權）人: 深圳大學
• 主分類號: G06T7/11
• 分類號: G06T7/11;G06N3/00;G06N3/08
• 代理公司: 深圳市君勝知識產權代理事務所(普通合伙) 44268
• 代理人: 王永文;劉文求

1.一種基于PSO和綜合評價準則的PCNN圖分割方法，其特征在于，所述方法包括以下步驟：

S1、輸入初始待分割圖像；將初始待分割圖像通過微分算子處理，得到邊緣圖像；設置PCNN圖像分割模型參數尋優中的粒子群總數、粒子群最大更新代數、粒子群中每一粒子的維度、及當前位置參數，其中，當前位置參數包括閾值時間常數、連接系數、迭代次數；

S2、獲取粒子群的當前位置參數，當前位置參數包括閾值時間常數、連接系數、迭代次數；根據預設的PCNN改進型模型獲取粒子群的每一粒子的交叉熵參數、邊緣匹配度和噪點控制度，并根據每一粒子的交叉熵參數、邊緣匹配度和噪點控制度獲取對應的綜合評價值，其中，所述綜合評價值為(交叉熵參數+邊緣匹配度+噪點控制度)/3；根據每一粒子的綜合評價值，獲取與每一粒子對應的個體最優位置及整個粒子群最優位置；

S3、將粒子的個體最優位置、及整個粒子群最優位置帶入預設的PSO算法，得到每一粒子的下一代更新速度以及更新后的位置；

S4、當粒子群PSO算法中的更新代數大于5次時，則判斷粒子群中粒子的最大綜合評價值與前后5代內的差值是否小于預設的誤差閾值，當粒子群中粒子的最大綜合評價值與前后5代內的差值小于所述誤差閾值時則執行步驟S5，當粒子群中粒子的最大綜合評價值與前后5代內的差值大于或等于所述誤差閾值時則執行步驟S6；

S5、將粒子群中粒子的最大綜合評價值對應的當前粒子位置作為目標位置，將目標位置對應的當前位置參數再次帶入所述PCNN改進型模型，輸出分割結果；

S6、判斷當前更新代數是否小于粒子群初始化時所設置的粒子群最大更新代數，若當前更新代數小于粒子群初始化時所設置的粒子群最大更新代數則返回執行步驟S2，若當前更新代數大于或等于粒子群初始化時所設置的粒子群最大更新代數則返回執行步驟S5。

2.根據權利要求1所述基于PSO和綜合評價準則的PCNN圖分割方法，其特征在于，所述PCNN改進型模型為：

F_ij[n]＝I_ij，

L_ij[n]＝∑W_ijklY_kl[n-1]，

U_ij[n]＝F_ij[n](1+βL_ij[n])，

其中，下標i，j為神經元標號；k，l為中心像素的鄰域像素的標號，F_ij為神經元的輸入項，L_ij為各神經元的連接輸入，U_ij為各神經元的內部活動項，Y_ij為各神經元的脈沖輸出，Y_kl為鄰域神經元的脈沖輸出，E_ij為各神經元的動態閾值，n為當前模型的循環迭代次數，I_ij為輸入圖像對應像素點的灰度值，β為內部活動項連接系數，E₀為最大灰度值，g[n]為動態門限變換函數，a為閾值時間常數，c為一個底數常數，W_ijkl為通過比較與中心像素的歐式距離歸一化后得到的連接權重 矩陣。