生物圖像邊緣檢測(cè)算法的研究.pdf

1、隨著現(xiàn)代生命學(xué)科與信息學(xué)科的滲透與交叉，應(yīng)用數(shù)字圖像處理技術(shù)進(jìn)行生物量化分析研究已成為近10多年來(lái)的研究熱點(diǎn)。細(xì)胞切片等顯微圖像的量化分析一直是生物信息量化分析領(lǐng)域中的一個(gè)難點(diǎn)，也是目前研究的熱點(diǎn)。而邊緣檢測(cè)正是進(jìn)行生物量化分析的關(guān)鍵前期技術(shù)。因此，針對(duì)彩色細(xì)胞切片圖像邊緣檢測(cè)課題，論文開(kāi)展了如下研究工作：
　　 1.首先闡述和分析了PCNN簡(jiǎn)化模型的基本特性，并將其熵序列特性應(yīng)用于指紋特征提取，實(shí)驗(yàn)表明，熵序列作為指紋的特征具

2、有良好的同一性但排他性不理想，改變PCNN模型的內(nèi)部連接矩陣W的結(jié)構(gòu)大小對(duì)熵序列的排他性有一定的改善。
　　 2.提出改進(jìn)的矢量脈沖耦合神經(jīng)網(wǎng)絡(luò)，可直接處理彩色切片細(xì)胞圖像。模型中彩色圖像每個(gè)像素看作是一個(gè)矢量，可減少神經(jīng)元個(gè)數(shù)。在此基礎(chǔ)上，嘗試給出基于矢量脈沖耦合神經(jīng)網(wǎng)絡(luò)的一種背景復(fù)雜的彩色枸杞細(xì)胞切片圖像的邊緣檢測(cè)方法，并給出該邊緣檢測(cè)算法的圖形化用戶操作界面，其檢測(cè)染色較弱的細(xì)胞邊緣的性能和抗噪性能優(yōu)于傳統(tǒng)算法。該算法能直