PCNN在生物醫(yī)學(xué)圖像處理中的應(yīng)用研究.pdf

1、現(xiàn)代圖像處理理論研究表明，新時(shí)期的數(shù)字圖像處理技術(shù)要向高速度、高質(zhì)量、智能化方向發(fā)展，且能夠模擬生物視覺(jué)系統(tǒng)的處理過(guò)程?！暗谌窠?jīng)網(wǎng)絡(luò)”一脈沖耦合神經(jīng)網(wǎng)絡(luò)(Pulse Coupled Neural Network，PCNN)來(lái)源于哺乳動(dòng)物貓的視覺(jué)皮層神經(jīng)細(xì)胞的研究成果，通過(guò)對(duì)其同步脈沖發(fā)放現(xiàn)象進(jìn)行研究，產(chǎn)生了PCNN神經(jīng)元模型。由于PCNN是對(duì)哺乳動(dòng)物視覺(jué)系統(tǒng)較為精細(xì)的模擬，因此它更接近視覺(jué)系統(tǒng)處理圖像的過(guò)程。尤其是它的非線性調(diào)制特性

2、，在生物醫(yī)學(xué)圖像處理中具有廣泛的應(yīng)用前景。本文結(jié)合PCNN的最新理論研究成果，開展了如下的研究工作： (1)在植物體細(xì)胞量化分析研究中，需要計(jì)算在不同發(fā)育階段細(xì)胞內(nèi)蛋白質(zhì)、核酸和淀粉等生物大分子含量和分布的動(dòng)態(tài)變化。整個(gè)量化分析過(guò)程中，噪聲干擾的抑制起到關(guān)鍵性的作用。由于植物細(xì)胞切片圖像具有細(xì)胞和背景相似、灰度差別小的特點(diǎn)，傳統(tǒng)方法在濾除圖像噪聲的同時(shí)會(huì)導(dǎo)致細(xì)胞圖像邊界模糊。在研究了PCNN時(shí)空特性的基礎(chǔ)上，本文提出了植物細(xì)胞切

3、片圖像混合噪聲濾除算法。 (2)傳統(tǒng)圖像編碼技術(shù)的出發(fā)點(diǎn)是消除圖像數(shù)據(jù)的統(tǒng)計(jì)冗余信息，如信息熵冗余、空間冗余等。不規(guī)則區(qū)域編碼算法，首先使用PCNN將圖像分割成人眼敏感的邊緣紋理部分和變化緩慢的平坦區(qū)域，對(duì)這兩類采用不同方法編碼。仿真實(shí)驗(yàn)證明，不規(guī)則區(qū)域編碼技術(shù)在高壓縮比下保持細(xì)節(jié)能力仍然良好，解決了以JPEG為代表的塊狀編碼方法帶來(lái)的失真問(wèn)題，它是基于視覺(jué)特性的圖像壓縮技術(shù)的一個(gè)重要發(fā)展方向。 (3)醫(yī)學(xué)超聲圖像具有復(fù)