特征連接模型及其應用.pdf

1、脈沖耦合神經網絡(Pulsed Coupled Neural Networks，PCNN)是第三代神經網絡的典型代表，演化自哺乳動物視覺皮層系統(tǒng)的同步脈沖發(fā)放現(xiàn)象．在研究PCNN的基礎上，我們提出了特征連接模型(Feature Linking Model，F(xiàn)LM)，利用FLM的賦時矩陣和單通工作方式進行圖像處理．
　　首先，我們提出了FLM，該模型有反饋輸入和連接輸入兩個輸入端，它與PCNN有相似的結構，但是在PCNN中有三個漏電

2、積分器而FLM只有兩個漏電積分器，因此FLM較PCNN簡單．我們發(fā)現(xiàn)，當閾值呈現(xiàn)指數衰減時，F(xiàn)LM的賦時矩陣和刺激輸入之間呈現(xiàn)一個對數關系，并且通過單通工作方式記錄了脈沖發(fā)生的時間．FLM中的全局抑制項，提高了同一個區(qū)域神經元的同步性和不同區(qū)域神經元之間的異步性．另外，γ帶振蕩啟發(fā)的連接調節(jié)機制和動態(tài)閾值特性，使得FLM更接近于生物神經元特性．此外，受到生物神經學支持的賦時矩陣也是本文研究的重點．
　　其次，我們提出了FLM的單通

3、工作方式，該工作方式可以使得所有的神經元只能點火一次，且保證所有的神經元都能夠點火．我們利用FLM的單通工作方式獲得了賦時矩陣，這為本文提出的圖像處理算法提供了基礎．此外，F(xiàn)LM是通過其兩種突觸輸入來獲得同步脈沖的，我們分別介紹了這兩種突觸的調節(jié)機制和這兩種突觸的波形傳播形式．
　　基于FLM的賦時矩陣，結合同步特性，我們提出了FLM圖像增強、圖像分割和圖像復原三種方法，并詳細介紹了每種方法的預處理操作、算法的具體實現(xiàn)過程、參數的