脈沖耦合神經(jīng)網(wǎng)絡(luò)在圖像處理中的應(yīng)用.pdf

1、基于哺乳動(dòng)物的視覺(jué)模型提出的第三代人工神經(jīng)網(wǎng)絡(luò)模型一脈沖耦合神經(jīng)網(wǎng)絡(luò)(PCNN：Pulse Coupled Neural Network)，已經(jīng)廣泛應(yīng)用在圖像處理和路徑優(yōu)化問(wèn)題求解中。該人工神經(jīng)網(wǎng)絡(luò)非常接近人類(lèi)大腦的生物神經(jīng)網(wǎng)絡(luò)模型，是一種非常重要的信息處理工具。本文將進(jìn)一步拓展該網(wǎng)絡(luò)的應(yīng)用領(lǐng)域，提出基于該網(wǎng)絡(luò)的更有效的圖像處理和模式識(shí)別算法。其主要內(nèi)容如下： 1．介紹PCNN的發(fā)展背景、研究現(xiàn)狀、信息處理優(yōu)勢(shì)和研究意義。

2、 2．提出一種基于PCNN自動(dòng)波傳播機(jī)制的二值圖像細(xì)化算法。主要內(nèi)容包括：PCNN的基本模型、參數(shù)設(shè)定方法、不同方向自動(dòng)波的相遇條件和細(xì)化結(jié)果的評(píng)價(jià)方法。 3．研究了印文的提取算法，并提出一種基于形態(tài)學(xué)和PCNN的復(fù)雜背景印文提取算法。主要內(nèi)容包括：基于PCNN的圖像空洞填充、邊緣提取、具有結(jié)構(gòu)選擇功能的骨架提取、印文外圍輪廓的定位方法和基于外圍輪廓顏色信息的印文提取算法。 4．根據(jù)硅藻具有封閉細(xì)胞壁這一事實(shí)，將PCN

3、N應(yīng)用到硅藻細(xì)胞壁骨架和輪廓的提取中。主要內(nèi)容是硅藻灰度分割算法、硅藻細(xì)胞壁骨架提取流程和基于骨架位置信息的輪廓提取方法。 5．提出一種新的基于PCNN的郵政編碼分割算法，這一操作是下一步郵編識(shí)別的前提。主要內(nèi)容是郵編框的提取、由投影法定位各個(gè)郵編的區(qū)域信息。 6．智能中國(guó)印章識(shí)別系統(tǒng)。首先回顧了中國(guó)印章識(shí)別的背景、研究意義和發(fā)展趨勢(shì)，然后詳細(xì)描述了本系統(tǒng)的處理流程和各個(gè)流程采用的核心算法。 7．最后對(duì)整篇論文作