张振敏

(福建农林大学金山学院，福州　350002)



基于脉冲神经网络的聚类算法研究

张振敏

(福建农林大学金山学院，福州350002)

结合脉冲神经元网络的生物机制与改进的灰度共生矩阵算法，尝试模拟大脑提取关键信息的能力，并且使用这些提取到的信息实现纹理图像的分割。实验结果表明：这种利用灰度共生矩阵算法训练的脉冲神经元网络可以有效地提取图像的共生特征，并且可获得较好的纹理图像分割效果。

灰度共生矩阵；脉冲神经元网络；特征提取；纹理聚类

clustering

纹理是区分一幅图像中的物体或区域的重要指标[1]。纹理是指诸如粗糙、光滑或凹凸不平等触觉信息[2]。纹理分析在纹理分类领域有着重要的地位，它被定义为利用数学进程提取纹理图像中特征信息的算法，基于这种方法可以获得很多空间结构信息。最近，很多纹理分析领域的重要研究成果相继出现[3-5]。

因为图像的随机性和在准周期性及方向性方面的差异导致纹理分析是一个非常复杂的过程[6-7]。在很多情况下，统计学方法被用于纹理分析。这些方法提供了一幅图像灰度的空间分布统计信息。GLCM算法在1970年由Haralick提出，是对一幅图像中像素亮度值(灰度值)的不同组合频次的表格统计[8]。这种方法逐渐成为了一种经典的统计学方法，同时也成为图像纹理分析的支撑性算法[1]。

近年来，神经元网络快速发展并且实现了在多方面的应用。首先，在生物机制方面，大量科研人员通过研究推进了相关理论，例如：Kuebler等[9]提出了混沌神经元网络激励信号的差异性；……