基于脈沖耦合神經(jīng)網(wǎng)絡(luò)的圖像處理.pdf

1、脈沖耦合神經(jīng)網(wǎng)絡(luò)(Pulse-Coupled Neural Network,簡稱PCNN)是基于對(duì)貓的視覺皮層神經(jīng)元脈沖串同步振蕩現(xiàn)象的研究發(fā)展而來的神經(jīng)網(wǎng)絡(luò)模型，被稱為第三代人工神經(jīng)網(wǎng)絡(luò)，與傳統(tǒng)的人工神經(jīng)網(wǎng)絡(luò)模型相比較，因其具有動(dòng)態(tài)神經(jīng)元、時(shí)空總和特性、波的自動(dòng)傳播、同步脈沖發(fā)放等特性而備受關(guān)注。PCNN的工作原理和其在圖像處理、雷達(dá)聲納、電子行業(yè)、醫(yī)藥衛(wèi)生、語音信號(hào)處理等領(lǐng)域的應(yīng)用在國內(nèi)外受到廣泛重視。近年來，國內(nèi)對(duì)神經(jīng)網(wǎng)絡(luò)的研究發(fā)

2、展也非常重視。本文的主要工作有：
　　 (1)深入分析了PCNN的工作機(jī)理和運(yùn)行行為，并對(duì)其特性和應(yīng)用領(lǐng)域進(jìn)行詳細(xì)介紹。
　　 (2)基于PCNN網(wǎng)絡(luò)對(duì)圖像的高斯噪聲和椒鹽噪聲進(jìn)行濾除。
　　 (3)給PCNN網(wǎng)絡(luò)中的神經(jīng)元加入競爭特性，在此基礎(chǔ)上提出了基于最大熵準(zhǔn)則的圖像分割和圖像邊緣檢測的新算法，與傳統(tǒng)協(xié)同性PCNN網(wǎng)絡(luò)算法和其它算法相比，得到的效果好，處理結(jié)果輪廓清晰并且細(xì)節(jié)保留較完整，在實(shí)際應(yīng)用中有一定的