智能优化算法应用：麻雀算法优化脉冲耦合神经网络的图像自动分割
文章目录
- 智能优化算法应用：麻雀算法优化脉冲耦合神经网络的图像自动分割
- 1.麻雀搜索算法
- 2.PCNN网络
- 3.实验结果
- 4.参考文献
- 5.Matlab代码
摘要：本文利用麻雀搜索算法对脉冲耦合神经网络的参数进行优化，以信息熵作为适应度函数，提高其图像分割的性能。
1.麻雀搜索算法
2.PCNN网络
图1.PCNN 模型结构
为了提高效率，减少参数间的相互作用，采用简化的 PCNN 模型。如图1所示，简化 PCNN 的结构分为接收部分、调制部分和脉冲发生器 3 部分。其数学表达式为：
式中: 表示 PCNN 的输入;
是外部输入，比如一幅图像的所有像素点;
是连接输入;
是内部活动项，
表示动态阈值，
是神经网络的输出;
是连接系数，
是连接矩阵;
是阈值衰减系数，
是阈值放大系数。通常
可以设置为：
在这些参数中，对分割结果产生较大影响的主要有3个:连接系数 、阈值衰减系数
、阈值放大系数
3.麻雀适应度函数设计
适应度函数作为优化算法中重要的一部分，影响着分割结果。熵能够反映目标包含的信息量的大小，熵越大，说明包含的信息量越大。因此，本文选取分割后图像的熵作为适应度函数，其公式为:
式中:是二值图像中 1 占整幅图像的比例;
由于麻雀优化算法为寻找最小值，于是添加负号，转换为选找最小值：
3.实验结果
麻雀参数设置如下：
3 个参数范围均设置为 0．001 ～200;
%% 麻雀算法优化脉冲耦合神经网络的图像自动分割
%读取图像
I = imread('lena.jpg');
%将图像转换为灰度图
if(size(I,3)~=1)
Igray = rgb2gray(I);
else
Igray = I;
end
%对连接系数β、阈值衰减系数 αE 、阈值放大数 VE进行优化
%设置麻雀算法参数
%参数范围均设置为 0．001-200
dim = 3;%维度，3维即优化的3个参数
lb = 0.001.*ones(1,dim); %下边界
ub = 200.*ones(1,dim); %上边界
pop = 20;%种群数量
Max_iteration = 20;%最大迭代次数
fobj = @(x) fun(x,Igray);%适应度函数
优化的连接系数β、阈值衰减系数 αE 、阈值放大数 VE分别为：51.99388 0.001 155.0309
SSA-PCNN分割后的信息熵值0.99998
从结果图像和信息熵值来看，信息熵值接近1，表明优化取得了一个比较好的结果。
4.参考文献
[1]贾鹤鸣,康立飞,孙康健,彭晓旭,李瑶,姜子超.哈里斯鹰算法优化脉冲耦合神经网络的图像自动分割[J].应用科技,2019,46(04):16-20+25. （基本原理参考该文章）
5.Matlab代码
1.麻雀算法优化脉冲耦合神经网络的图像自动分割
2.哈里斯鹰算法优化脉冲耦合神经网络的图像自动分割
[1]贾鹤鸣,康立飞,孙康健,彭晓旭,李瑶,姜子超.哈里斯鹰算法优化脉冲耦合神经网络的图像自动分割[J].应用科技,2019,46(04):16-20+25.
个人资料介绍