基于PCNN的圖像細(xì)化算法研究與實踐.pdf

1、基于哺乳動物的視覺模型提出的第三代人工神經(jīng)網(wǎng)絡(luò)模型--脈沖耦合神經(jīng)網(wǎng)絡(luò)(Pulse Coupled Neural Network—PCNN),已經(jīng)廣泛應(yīng)用在圖像處理中。該人工神經(jīng)網(wǎng)絡(luò)非常接近人類大腦的生物神經(jīng)網(wǎng)絡(luò)模型,是一種重要的信息處理工具。圖像細(xì)化是將圖像中具有一定寬度的紋線變?yōu)閱我幌袼貙挼募y線,抽取紋線的“骨架”,“骨架”是描述圖像幾何及拓?fù)湫再|(zhì)的重要特征之一。PCNN固有的脈沖耦合和自動波特性,使其適用于圖形細(xì)化方面。
　

2、　 本文提出了基于PCNN的二值圖像細(xì)化算法,并將其應(yīng)用于光驅(qū)物鏡導(dǎo)線檢測和自動指紋識別系統(tǒng)中?；贒SP技術(shù),設(shè)計一共用的核心硬件系統(tǒng),依不同需求配以不同的外圍模塊,本文完成了兩套系統(tǒng)的構(gòu)建。前者可完成導(dǎo)線在線自動檢測,有效地分辨出次品；后者可完成指紋采集、預(yù)處理、細(xì)化及匹配功能,可用于門禁等多種應(yīng)用場合,此外嵌入式指紋信息管理系統(tǒng)使得該識別系統(tǒng)功能更豐富,操作更方便。
　　 本文的主要工作如下:
　　 1、在分析P

3、CNN網(wǎng)絡(luò)模型、參數(shù)作用及工作機理的基礎(chǔ)上,提出了基于該模型的細(xì)化算法。本文研究了PCNN的自動波傳播特性,并將該特性用于圖像細(xì)化處理。
　　 2、提出并實現(xiàn)了光驅(qū)物鏡導(dǎo)線在線檢測算法。主要內(nèi)容包括:基于PCNN的導(dǎo)線圖像分割、圖像細(xì)化算法,建立導(dǎo)線質(zhì)量檢驗的判別模型,依據(jù)該模型進行判斷,在文中第五章對這些內(nèi)容進行了詳細(xì)描述。
　　 3、將PCNN算法用于指紋圖像的細(xì)化。本文在常規(guī)的指紋細(xì)化算法研究、分析的基礎(chǔ)上,采用P

4、CNN細(xì)化算法,保留指紋的基本圖像形狀和連接性,消除邊緣毛刺,去除偽細(xì)節(jié)點。實驗結(jié)果表明,該算法克服了常規(guī)細(xì)化算法存在的不足,細(xì)化效果更好。
　　 4、設(shè)計了基于DSP的系統(tǒng)硬件平臺。該平臺包括:以TMS320VC5509A(簡稱5509A)為核心的算法處理模塊、數(shù)據(jù)傳輸接口、人機交互模塊、電源管理模塊以及外擴存儲器等,此外還包括用于導(dǎo)線檢測的攝像頭模塊和用于指紋識別系統(tǒng)的指紋傳感器模塊。
　　 5、完成了嵌入式指紋管理