基于脈沖耦合神經(jīng)網(wǎng)絡(luò)的圖像處理若干問題研究.pdf

1、脈沖耦合神經(jīng)網(wǎng)絡(luò)(Pulse Coupled Neural Networks,PCNN)是基于生物視覺系統(tǒng)機理形成的具有模數(shù)混合處理、串并聯(lián)混合處理及動態(tài)自適應(yīng)處理的一種空時編碼新型人工神經(jīng)網(wǎng)絡(luò)。由于PCNN模型的動態(tài)變閾值、非線性調(diào)制耦合、同步脈沖發(fā)放、動態(tài)脈沖發(fā)放及時空總和等特性,使其在圖像處理、自動目標(biāo)識別、組合優(yōu)化、人工生命等領(lǐng)域的研究和應(yīng)用得到國內(nèi)外的廣泛重視。
　　 本文圍繞圖像處理中脈沖噪聲濾除、高斯噪聲濾除、弱小

2、目標(biāo)檢測、二值圖像自動分割、多值圖像自動分割及基于內(nèi)容的圖像檢索等若干關(guān)鍵問題,針對脈沖耦合神經(jīng)元結(jié)構(gòu)復(fù)雜性及其在圖像信號處理中存在閾值反復(fù)衰減、自適應(yīng)性能差和無法自動選擇最佳處理結(jié)果等一些不足,研究了PCNN模型的機理,并提出改進思路與方法。論文主要內(nèi)容如下:
　　 1.為有效濾除圖像中嚴(yán)重脈沖噪聲的干擾,提出了基于脈沖耦合神經(jīng)網(wǎng)絡(luò)噪聲檢測的兩級脈沖噪聲濾波算法。首先在改進自適應(yīng)單位連接PCNN(AULPCNN)模型的基礎(chǔ)上,

3、利用其同步脈沖發(fā)放特性區(qū)分定位脈沖噪聲點和信號像素點位置,其次根據(jù)噪聲點局部鄰域信息對噪聲點進行第1級自適應(yīng)濾波,然后再對前一級的濾波輸出利用具有保護邊緣細(xì)節(jié)特點的多方向信息中值第2級細(xì)微輔助濾波。該算法在噪聲檢測中無需設(shè)定檢測閾值,噪聲檢測精度較高；在去噪過程中不但有效濾除噪聲干擾,而且能很好地保護圖像邊緣細(xì)節(jié)等信息,具有較好的主觀視覺效果和客觀評價指標(biāo),去噪能力強、信噪比高和適應(yīng)性好,特別是對受嚴(yán)重噪聲污染的圖像,顯示了更大的優(yōu)越性

4、。
　　 2.針對圖像高斯噪聲的去除,提出了一種基于改進型脈沖耦合神經(jīng)網(wǎng)絡(luò)的雙邊濾波算法。在考慮圖像高斯噪聲特征的前提下,引入平滑抑制因子和自適應(yīng)鏈接強度,并與相似神經(jīng)元同步激活特性相結(jié)合,形成平滑抑制自適應(yīng)連接PCNN(SIAL-PCNN)模型,然后應(yīng)用在含噪圖像預(yù)濾波迭代處理中,在濾除極值噪聲的同時形成反映圖像空時信息的賦時矩陣,最后將生成的賦時矩陣信息運用在雙邊濾波中,并對其進行了自適應(yīng)性改進與濾除高斯噪聲的處理。該算法在

5、較好保護圖像邊緣細(xì)節(jié)等信息的情況下,能有效地濾除平滑區(qū)域噪聲,在信噪比和去噪能力方面都有一定的提高。
　　 3.從含單一弱小目標(biāo)圖像特征出發(fā),提出了結(jié)合灰度熵變換的脈沖耦合神經(jīng)網(wǎng)絡(luò)小目標(biāo)圖像檢測算法。該方法在對含隨機噪聲和有復(fù)雜背景的圖像進行非線性灰度熵變換濾波的基礎(chǔ)上,考慮灰度熵值映射圖在滿足目標(biāo)背景比先驗概率的條件下,利用局部最小交叉熵判據(jù),自動選取包含單一小目標(biāo)局部窗口作為處理圖像區(qū)域,并進行改進型PCNN迭代檢測處理。該

6、算法能自動可靠地檢測出復(fù)雜背景及隨機噪聲干擾下的弱小目標(biāo)。
　　 4.為自動對圖像進行二值分割,提出了一種新的自適應(yīng)迭代全局閾值圖像自動分割算法。首先對二維超模糊集隸屬函數(shù)進行自適應(yīng)修正,并將其引入到圖像超模糊熵概念中,然后從適應(yīng)圖像分割角度考慮,將傳統(tǒng)脈沖耦合神經(jīng)網(wǎng)絡(luò)模型改進為具有單調(diào)指數(shù)上升閾值函數(shù)的單位鏈接脈沖耦合神經(jīng)網(wǎng)絡(luò)(ULPCNN)抑制捕獲模型,最后把ULPCNN與最大超模糊熵判據(jù)相結(jié)合對圖像進行自動分割。該算法能自

7、動確定最佳分割閾值,對圖像目標(biāo)劃分清晰、細(xì)節(jié)保持較好,改善了圖像的分割性能。
　　 5.考慮原始圖像與分割圖像之間的相互關(guān)系,以最大互信息為分割目標(biāo),以互信息熵差作為一種新的分類判據(jù),在對傳統(tǒng)脈沖耦合神經(jīng)網(wǎng)絡(luò)模型改進的基礎(chǔ)上,提出了一種基于最大互信息改進型PCNN多值圖像自動分割算法。該算法能夠自動確定最佳分割迭代次數(shù)及最佳分割灰度類數(shù),對分割圖像具有良好的特征劃分能力,且在分割類數(shù)較少的情況下,能較好地保持圖像細(xì)節(jié)、紋理及邊緣

8、等信息,對圖像分割精度高,具有較強的適用性。
　　 6.為簡單有效地提取圖像重要特征信息,從而更好地提高檢索圖像的精度,提出了一種基于脈沖耦合神經(jīng)網(wǎng)絡(luò)的圖像歸一化轉(zhuǎn)動慣量(NMI)特征提取及檢索算法。首先利用改進簡化PCNN模型相似神經(jīng)元同步時空特性及指數(shù)衰降機制,將圖像分解為一系列具有相關(guān)性的二值圖像,然后提取能反映原圖像目標(biāo)形狀、結(jié)構(gòu)分布的系列二值圖像的一維NMI特征矢量信號,并將其應(yīng)用在圖像檢索中。同時,考慮到系列二值圖像