som.m

自组织神经网络用于图像分割matlab实现

pp1=0;
pp2=0;
pp3=0;
pp4=0;
pp5=0;
pp6=0;
pp7=0;
pp8=0;
pp9=0;
pp10=0;
pp11=0;
pp12=0;
pp13=0;
pp14=0;
pp15=0;
%定义15个分类
load woman;
l=X;
%装载图像
uu=im2double(l);
%将图像变为双精度型
x=[];
for i=1:256
    x=[x,uu(i,:)];
end
%将图像变为一维矩阵
net=newsom([0 255],[15]);
%生成一个一维自组织特征映射神经网络
net.trainParam.epochs=10000;
%设置迭代次数
net=train(net,x);
%训练该神经网络 
plotsom(net.iw{1,1},net.layers{1}.distances);
%画出训练后的权值分布
e=[];
d=[];
%save b;
we=net.iw{1,1};
for i=1:65536
    a=sim(net,b(i));
    c=find(a);
    if c==1;
        pp1=pp1+1;
    end
    if c==2;
      pp2=pp2+1; 
    end
  if c==3;
      pp3=pp3+1; 
  end  
    if c==4;
      pp4=pp4+1; 
    end
    if c==5;
      pp5=pp5+1; 
    end
    if c==6;
      pp6=pp6+1; 
    end
    if c==7;
      pp7=pp7+1; 
    end
    if c==8;
      pp8=pp8+1; 
    end
    if c==9;
      pp9=pp9+1; 
    end
    if c==10;
      pp10=pp10+1; 
    end
    if c==11;
      pp11=pp11+1; 
    end
    if c==12;
      pp12=pp12+1; 
    end
    if c==13;
      pp13=pp13+1; 
    end
    if c==14;
      pp14=pp14+1; 
    end
    if c==15;
      pp15=pp15+1; 
    end
    %将图像的象素分类
    cc=we(c)*255;
    d=[d,cc];
    %将分类后的象素重新排成一个一维矩阵
end
for i=0:255
    e=[e;d((i*256+1):(i*256+256))];
end
%将一维象素矩阵生成256×256的矩阵
f=im2uint8(e/256);
%变为单精度图像矩阵
imshow(f);