基于脈沖耦合神經(jīng)網(wǎng)絡(luò)的遙感圖像自動(dòng)目標(biāo)識(shí)別方法研究.pdf

1、脈沖耦合神經(jīng)網(wǎng)絡(luò)(PulseCoupledNeuralNetwork,簡(jiǎn)稱(chēng)PCNN)作為第三代人工神經(jīng)網(wǎng)絡(luò),比傳統(tǒng)人工神經(jīng)網(wǎng)絡(luò)更好地模仿了生物神經(jīng)網(wǎng)絡(luò),尤其適合圖像處理,是目前的研究熱點(diǎn)和重點(diǎn)。但在應(yīng)用時(shí)仍有一些難題未解決,需解決這些難題,而且有必要進(jìn)一步拓寬PCNN的應(yīng)用范圍。另一方面,在高科技軍事對(duì)抗中,遙感圖像戰(zhàn)略目標(biāo)自動(dòng)識(shí)別技術(shù)有著重要的應(yīng)用前景,同時(shí)也是因成像質(zhì)量和目標(biāo)特征的復(fù)雜性,使其成為研究的難點(diǎn)。本文的工作主要是對(duì)PCN

2、N理論及其在圖像處理中的應(yīng)用做了深入的研究,提出雙級(jí)并行點(diǎn)火脈沖耦合神經(jīng)網(wǎng)絡(luò)模型(Double-levelParallelizedFiringPulseCoupledNeuralNetwork,簡(jiǎn)稱(chēng)DLPFPCNN),詳細(xì)闡述其運(yùn)行行為和工作原理,指出其適用范圍。新模型針對(duì)低對(duì)比度、低信噪比、背景灰度呈均勻緩慢變化的圖像在分割上的難題而設(shè)計(jì),將DLPFPCNN新模型應(yīng)用于不同領(lǐng)域中的圖像分割,獲得了較常規(guī)方法和常用改進(jìn)方法更好的效果,證