PCNN与粗集理论在生物细胞图像处理中的应用研究

摘要

脉冲耦合神经网络（PCNN）有着生物学的背景，同时，粗集理论具有优秀的能根据事物的特征进行分类的能力，将两者结合，应用于数字图像处理有其他方法无可比拟的优势。本论文首先分析了PCNN与粗集理论相结合应用于图像处理的可行性，并针对生物细胞图像的处理问题，进行了尝试性研究，完成了如下工作： 1．针对较亮区域是背景，而较暗区域含有较多目标细节，被噪声严重污染，且对比度较小的生物细胞图像，提出了基于PCNN赋时矩阵与粗集理论的图像增强新算法。由实验结果可知，该算法能够有效地提高图像对比度、获得较好的增强效果；还可以有效抑制噪声，保留图像细节，图像增强效果优于传统方法。 2．针对成像设备及成像原理的缺陷，结合PCNN与粗集理论，提出了多聚焦植物细胞图像融合方法。实验结果表明，该算法无论在客观性能方面还是在视觉效果方面均具有明显的优势，且具有良好的抗噪性能，能有效保留图像边缘、纹理等细节信息，融合结果图像清晰。算法简单，易于实现。 3．在分析了对生物细胞图像进行版权保护的必要性之后，提出了一种新的空频域结合的二重数字图像水印算法，用于生物细胞图像的水印处理。仿真结果表明，该算法具有较好的不可见性及较强的鲁棒性，是一种有效可行的数字图像水印算法。

目录

文摘

英文文摘

声明

第一章绪论

1.1脉冲耦合神经网络

1.1.1脉冲耦合神经网络原理及模型

1.1.2脉冲耦合神经网络特性分析

1.1.3脉冲耦合神经网络在数字图像处理中的应用

1.2粗集理论

1.2.1粗集理论的基本概念

1.2.2粗集理论的应用

1.3脉冲耦合神经网络与粗集理论结合应用于数字图像处理

1.4研究内容与论文安排

第二章PCNN赋时矩阵与粗集理论用于细胞图像增强

2.1图像增强方法

2.1.1空域增强

2.1.2频域增强

2.2基于PCNN赋时矩阵与粗集理论的细胞图像增强新算法

2.2.1 PCNN简化模型及赋时矩阵

2.2.2算法描述

2.2.3算法模拟结果及分析

2.3本章小结

第三章PCNN与粗集理论用于多聚焦细胞图像融合

3.1图像融合

3.1.1图像融合的概念

3.1.2图像融合的分类及方法

3.2多聚焦图像融合

3.2.1多聚焦图像融合的概念

3.2.2传统的多聚焦图像融合方法及其性能分析

3.2.3多聚焦图像融合技术评价方法

3.2.4多聚焦图像融合方法发展方向

3.3 PCNN与粗集理论用于多聚焦细胞图像融合

3.3.1算法原理及实现过程

3.3.2实验结果分析

3.4本章小结

第四章基于PCNN与粗集理论的空频域二重数字水印算法

4.1数字水印的定义

4.2数字水印技术的应用

4.3数字图像水印的原理及框架

4.4数字图像水印的基本特点

4.5数字图像水印的方法及其性能评估

4.5.1数字图像水印的方法

4.5.2数字图像水印方法的性能评估

4.6多重数字图像水印技术

4.7基于PCNN与粗集理论的空频域二重水印算法

4.7.1小波变换

4.7.2算法描述及实验结果

4.7.3算法鲁棒性评价

4.7.4结论

4.8本章小结

第五章总结与展望

参考文献

攻读硕士学位期间发表的论文和取得的科研成果

致 谢