PCNN與粗集理論在生物細(xì)胞圖像處理中的應(yīng)用研究.pdf

1、脈沖耦合神經(jīng)網(wǎng)絡(luò)（PCNN）有著生物學(xué)的背景，同時(shí)，粗集理論具有優(yōu)秀的能根據(jù)事物的特征進(jìn)行分類的能力，將兩者結(jié)合，應(yīng)用于數(shù)字圖像處理有其他方法無可比擬的優(yōu)勢(shì)。本論文首先分析了PCNN與粗集理論相結(jié)合應(yīng)用于圖像處理的可行性，并針對(duì)生物細(xì)胞圖像的處理問題，進(jìn)行了嘗試性研究，完成了如下工作： 1．針對(duì)較亮區(qū)域是背景，而較暗區(qū)域含有較多目標(biāo)細(xì)節(jié)，被噪聲嚴(yán)重污染，且對(duì)比度較小的生物細(xì)胞圖像，提出了基于PCNN賦時(shí)矩陣與粗集理論的圖像增強(qiáng)新

2、算法。由實(shí)驗(yàn)結(jié)果可知，該算法能夠有效地提高圖像對(duì)比度、獲得較好的增強(qiáng)效果；還可以有效抑制噪聲，保留圖像細(xì)節(jié)，圖像增強(qiáng)效果優(yōu)于傳統(tǒng)方法。 2．針對(duì)成像設(shè)備及成像原理的缺陷，結(jié)合PCNN與粗集理論，提出了多聚焦植物細(xì)胞圖像融合方法。實(shí)驗(yàn)結(jié)果表明，該算法無論在客觀性能方面還是在視覺效果方面均具有明顯的優(yōu)勢(shì)，且具有良好的抗噪性能，能有效保留圖像邊緣、紋理等細(xì)節(jié)信息，融合結(jié)果圖像清晰。算法簡(jiǎn)單，易于實(shí)現(xiàn)。 3．在分析了對(duì)生物細(xì)胞圖