基于脈沖耦合神經(jīng)網(wǎng)絡(luò)的圖像處理的研究及應(yīng)用.pdf

1、脈沖耦合神經(jīng)網(wǎng)絡(luò)（Pulse Coupled Neural Network，簡(jiǎn)稱PCNN）是一種單層、無(wú)需訓(xùn)練的新型神經(jīng)網(wǎng)絡(luò)，它模擬了哺乳動(dòng)物視覺(jué)皮層系統(tǒng)的同步脈沖振蕩現(xiàn)象，是第三代神經(jīng)網(wǎng)絡(luò)。PCNN由于其天然的視覺(jué)特性廣泛應(yīng)用在圖像處理、對(duì)象識(shí)別、決策優(yōu)化等領(lǐng)域。
　　本文對(duì)PCNN在理論和應(yīng)用兩個(gè)層面上進(jìn)行了研究。在理論上，根據(jù)對(duì)象的視覺(jué)亮度和實(shí)際亮度的差異，提出了基于自適應(yīng)閾值衰減時(shí)間常數(shù)的簡(jiǎn)化版PCNN模型，并且證明了圖像

2、熵和時(shí)間簽名在輸出圖像選擇上的等效性；在應(yīng)用上，提出了新的PCNN圖像自動(dòng)分割方法，舉例分析了兩種主要的單PCNN圖像細(xì)化算法的缺陷，提出了針對(duì)環(huán)樣圖像的雙PCNN細(xì)化算法，提出了基于PCNN的圖像邊框去除方法，并將PCNN時(shí)間簽名應(yīng)用于圖像識(shí)別。本論文的主要工作包括：
　　1．研究典型PCNN模型的基本理論，包括它和生物學(xué)神經(jīng)元的關(guān)系，由接受、耦合、輸出三部分組成的基本框架，公式表示，參數(shù)間的相互影響和約束關(guān)系，PCNN的特性和

3、結(jié)構(gòu)改進(jìn)。
　　2．總結(jié)圖像分割的含義和常用技術(shù)，說(shuō)明PCNN應(yīng)用于圖像分割的原理和依據(jù)，對(duì)典型PCNN進(jìn)行改進(jìn)，根據(jù)對(duì)象的視覺(jué)亮度和實(shí)際亮度的差異，提出具有自適應(yīng)閾值衰減時(shí)間常數(shù)的簡(jiǎn)化版PCNN模型，證明圖像熵和時(shí)間簽名在輸出圖像選擇上的等效性，據(jù)此提出圖像的PCNN自動(dòng)分割新算法并進(jìn)行實(shí)驗(yàn)分析。
　　3．總結(jié)圖像細(xì)化的目的和技術(shù)類別，說(shuō)明PCNN的自動(dòng)波特性在圖像細(xì)化中的作用，分析單PCNN圖像細(xì)化的關(guān)鍵環(huán)節(jié)，舉例證明現(xiàn)