基于智能計算和PCNN的圖像處理與檢索識別技術(shù)研究.pdf

1、隨著多媒體技術(shù)和萬維網(wǎng)的快速發(fā)展，從海量圖像數(shù)據(jù)中檢索出來人們需要的圖像信息成為一個急需解決的問題。不同于傳統(tǒng)的基于文本的圖像檢索方式，基于內(nèi)容的圖像檢索成為大規(guī)模多媒體數(shù)據(jù)庫高效管理和檢索的新興技術(shù)，基于內(nèi)容的圖像檢索是建立在計算機視覺和圖像理解、圖像分析基礎(chǔ)之上的，它涉及到信息檢索、圖像處理、模式識別、計算機圖形學(xué)、數(shù)據(jù)庫管理等諸多方面的技術(shù)?；趦?nèi)容的圖像檢索是近年來圖像信息檢索領(lǐng)域的一個研究熱點。
　　基于脈沖耦合神經(jīng)網(wǎng)絡(luò)

2、(Pulse Coupled Neural Networks，PCNN)和智能計算的技術(shù)，本課題進行了智能計算、PCNN在圖像去噪、分割和識別檢索的理論應(yīng)用的研究，形成了基于智能計算和PCNN的圖像處理與檢索識別的總體方案，通過實驗仿真，取得了良好的效果。
　　論文的主要工作和取得的成果可歸納為以下五個部分：
　　1.智能計算應(yīng)用于圖像分割。總結(jié)了圖像分割的基本理論和常用方法，介紹了最大類間方差和最大熵理論，進行了智能計算圖

3、像分割的研究。將遺傳算法與最大類間方差、最大熵理論結(jié)合，設(shè)計了有關(guān)分割算法，通過相應(yīng)的仿真實驗，取得了較好的效果，還在實驗中與matlab自帶函數(shù)、最大類間方差法分割結(jié)果進行了比較。
　　2.智能計算應(yīng)用于圖像識別。智能算法在圖像識別中，選擇的智能算法是BP神經(jīng)網(wǎng)絡(luò)，分析了BP網(wǎng)絡(luò)分類器的設(shè)計，輸入層、隱含層、輸出層的設(shè)計，選用傳統(tǒng)的梯度下降算法，主要識別含有數(shù)字的圖像，并且完成了相應(yīng)的仿真實驗。
　　3.設(shè)計了PCNN和保

4、持邊緣模板相結(jié)合的算法并用于圖像去噪。主要對圖像中的脈沖噪聲進行處理并提取邊緣。完成了相應(yīng)的仿真實驗，包括靜態(tài)單張含噪圖像的噪聲去除和序列含噪動態(tài)圖像目標圖像的噪聲去除處理。
　　4.免疫算法優(yōu)化 PCNN參數(shù)用于圖像分割及特征提取。與最大熵、最大類間方差分別相結(jié)合，設(shè)計了免疫算法優(yōu)化 PCNN參數(shù)的算法，完成了相應(yīng)的仿真實驗。在此基礎(chǔ)上，統(tǒng)計每次分割時二值圖像中的“亮”點的個數(shù)，得出時間序列（時間簽名）作為圖像特征。通過實驗，驗