基于脉冲耦合神经网络的医学图像增强处理

摘要

从20世纪90年代开始，由Eckhorn等对猫的视觉皮层神经元脉冲同步震荡现象的研究，得到了哺乳动物神经元模型。对Eckhorn提出的模型进行一些改进，就得到了脉冲耦合神经网络(PCNN，(Pulse-Coupled Neural Networks)模型。该模型具有对图像二维空间相似、灰度相似的像素进行分组的特点，并能减小图像局部灰度差值，弥补图像局部微小间断，这是其他图像分割方法无法比拟的特点。PCNN主要用于特征提取、边缘信息分析、图像分割、目标识别，其应用研究正在逐步深入。目前基于该PCNN模型的大型图像诊断系统、军事目标识别系统、图像分割和目标分类系统等正在进行研制中。 本文通过将脉冲耦合神经网络应用到医学图像处理中，在HIS色彩空间上的彩色图像增强算法。该算法能够在平滑图像、突出图像边缘的同时，通过对亮度强度分量的均衡化处理和对饱和度分量的非线性指数调整，改善了医学图像的视觉效果和图像色彩的真实效果。首先文章对如今PCNN的发展与图像增强技术的发展做了简要的概述。在此基础上，对系统的硬件和软件做了详细的介绍。硬件采用Blackmagic公司的Multibridge视频采集设备，其功能强大，通过PCI-E总线可以实现高速视频采集。同时具有视频采集和数/模、模/数转换的功能。软件方面，利用MATLAB软件实现PCNN的模拟，并通过PCNN独有的优势对医学图像进行增强处理。处理流程主要是先把RGB格式的图像转换为易于处理的HIS格式，然后对HIS格式中的亮度分量I和色彩饱和度分量S进行相应的处理。处理完毕后再将HIS格式转换回RGB格式进行保存。 系统经过调试可直接连接监视器观察结果，增强处理效果也比较令人满意，工作正常，达到预期目标。同时系统为后期扩展提供了良好的接口，具有良好的可扩展性。

目录

文摘

英文文摘

声明

前 言

第一章 图像处理的研究背景

1.1数字图像处理的发展

1.2图像处理的目的、任务与特点

1.2.1图像处理的目的

1.2.2图像处理的任务

1.2.3数字图像处理的特点

1.3数字图像处理的应用与发展趋势

第二章 脉冲耦合神经网络与图像增强

2.1 PCNN概述

2.2图像增强概述

2.2.1人类视觉与色度学

2.2.2色度学介绍

2.3 PCNN应用于数字图像处理

第三章 系统的整体设计

3.1系统方案

3.2系统总体设计

3.2.1系统框图

3.2.2 工作流程

3.3系统整体硬件结构介绍

3.3.1视频采集设备

第四章 系统的软件实现

4.1 软件开发平台介绍

4.2图像增强软件设计

4.2.1读取模块

4.2.2格式转换模块

4.2.3增强处理模块

4.2.4格式反变换模块

4.3增强处理实验

4.3.1光照度不足的情况

4.3.2亮度比较强的情况

4.3.3彩色饱和度处理

4.3.4锐化处理

第五章 总结与展望

参考文献

致谢

硕士期间发表论文清单