基于m-PCNN葉片圖像處理的應(yīng)用研究.pdf

1、脈沖耦合神經(jīng)網(wǎng)絡(luò)（Pulse Coupled Neural Network：PCNN)是第三代的人工神經(jīng)網(wǎng)絡(luò)，它的研究自二十世紀(jì)九十年代興起?？蒲腥藛T在機(jī)理研究之外，也不斷加強(qiáng)對(duì)其應(yīng)用的研究。到目前為止，其已經(jīng)在不同領(lǐng)域中取得了廣泛的成果。同時(shí)，對(duì)其模型的改進(jìn)和探索研究也是一個(gè)熱點(diǎn)。m-PCNN就是在PCNN的基礎(chǔ)上提出的一種多通道PCNN模型。它很好地彌補(bǔ)了 PCNN模型在融合圖像時(shí)計(jì)算量大、效率低等缺點(diǎn)，使得外部刺激的數(shù)量變?yōu)榭煽亍?/p>

2、改變PCNN這一單層神經(jīng)網(wǎng)絡(luò)為多層神經(jīng)網(wǎng)絡(luò)。它在實(shí)際運(yùn)用中可以根據(jù)情況自行控制層數(shù)，從而簡化了計(jì)算復(fù)雜度，在算法改進(jìn)方面有很高的應(yīng)用價(jià)值。
　　本文的主要的工作是對(duì)m-PCNN模型在植物葉片圖像處理中的應(yīng)用進(jìn)行研究。葉片是植物光合作用的重要器官，同時(shí)也是植物分類的主要標(biāo)志。葉片的生長狀態(tài)可以給我們提供很多信息，例如健康狀況和產(chǎn)量預(yù)期等。如今，數(shù)字圖像處理技術(shù)給植物分類和觀察提供了一種高效方式。本文主要研究植物葉片圖像處理中的兩個(gè)問