基于脈沖耦合神經(jīng)網(wǎng)絡(luò)的圖像處理的研究及應(yīng)用.pdf

1、脈沖耦合神經(jīng)網(wǎng)絡(luò)（Pulse Coupled Neural Network，簡稱PCNN）是一種單層、無需訓練的新型神經(jīng)網(wǎng)絡(luò)，它模擬了哺乳動物視覺皮層系統(tǒng)的同步脈沖振蕩現(xiàn)象，是第三代神經(jīng)網(wǎng)絡(luò)。PCNN由于其天然的視覺特性廣泛應(yīng)用在圖像處理、對象識別、決策優(yōu)化等領(lǐng)域。
　　本文對PCNN在理論和應(yīng)用兩個層面上進行了研究。在理論上，根據(jù)對象的視覺亮度和實際亮度的差異，提出了基于自適應(yīng)閾值衰減時間常數(shù)的簡化版PCNN模型，并且證明了圖像

2、熵和時間簽名在輸出圖像選擇上的等效性；在應(yīng)用上，提出了新的PCNN圖像自動分割方法，舉例分析了兩種主要的單PCNN圖像細化算法的缺陷，提出了針對環(huán)樣圖像的雙PCNN細化算法，提出了基于PCNN的圖像邊框去除方法，并將PCNN時間簽名應(yīng)用于圖像識別。本論文的主要工作包括：
　　1．研究典型PCNN模型的基本理論，包括它和生物學神經(jīng)元的關(guān)系，由接受、耦合、輸出三部分組成的基本框架，公式表示，參數(shù)間的相互影響和約束關(guān)系，PCNN的特性和

3、結(jié)構(gòu)改進。
　　2．總結(jié)圖像分割的含義和常用技術(shù)，說明PCNN應(yīng)用于圖像分割的原理和依據(jù)，對典型PCNN進行改進，根據(jù)對象的視覺亮度和實際亮度的差異，提出具有自適應(yīng)閾值衰減時間常數(shù)的簡化版PCNN模型，證明圖像熵和時間簽名在輸出圖像選擇上的等效性，據(jù)此提出圖像的PCNN自動分割新算法并進行實驗分析。
　　3．總結(jié)圖像細化的目的和技術(shù)類別，說明PCNN的自動波特性在圖像細化中的作用，分析單PCNN圖像細化的關(guān)鍵環(huán)節(jié)，舉例證明現(xiàn)