一种新的PCNN模型参数估算方法

PCNN在图像处理领域得到广泛的应用,对其展开研究具有重要的理论意义及应用价值.在对PCNN的研究应用中,其模型参数的合理确定是一个难点.本文提出用灰度-信息量直方图来表征图像特征,通过对信息量直方图的分析,提出了估算PCNN时间衰减参数的自适应算法.该算法可以仅在PCNN的一个运行周期中以最少的迭代次数有效地完成图像分割,并且解决了对多目标进行分割时容易丢失目标的问题.     

脉冲耦合神经网络参数优化方法研究

针对脉冲耦合神经网络（pulse coupled neural networks, PCNN）参数设置问题,对常见的脉冲耦合神经网络参数优化方法进行了概述、总结、分析和比较。首先,介绍了脉冲耦合神经网络模型以及几种常见的简化模型,分析了各模型的特点。然后,对国内外学者提出的不同PCNN参数优化方法进行了研究,总结归纳出三类常用的PCNN参数优化方法,包括结合图像本身性质确定参数、分析PCNN点火机理确定参数和利用智能优化算法自动搜索参数的方法,并对这三类PCNN参数优化方法进行了分析比较,总结出各类优化方法的优缺点和适用场合。     

基于PCNN图像分割新算法

在原有PCNN的基础上提出一种新的参数自适应PCNN模型,该模型中的各参数均由像素点本身决定,而不受人为的外界干涉,因此,该算法在图像处理领域有较好的运用价值。此外提出另一类分割判定准则——最大相关系数判定准则。最后通过对3种不同的图像分割实验结果分析后得出。该算法和最大相关系数判定准则在图像分割领域中具有较强的适应性和较好的辅助意义。     

PCNN模型的改进及其在医学图像处理中的应用

该文结合脉冲耦合神经网络(PCNN)和非线性各向异性扩散(NAD)模型,提出了改进的ADPCNN模型,并对新模型进行了理论分析。新模型对NAD模型的扩散次数问题和PCNN模型对像素的修改策略问题提出了解决方法,在医学眼底图像处理中取得了较好的效果。     

一种基于脉冲耦合神经网络和图像熵的自动图像分割方法

90年代发展形成的脉冲耦合神经网络（PCNN）模型特别适合于图像分割、边缘提取等方面的应用研究，但众所周知，PCNN模型图像分割效果不但取决于PCNN模型中各个参数的合理选择，而且同时还取决于循环迭代次数的确定选择准则，通常循环迭代次数N的选择通过人工交互方式来确定。正因为如此选择合适的准则来确定N是PCNN图像分割的关键，但目前还没有文献提出一个合适的准则来解决这个问题。本文结合图像统计特性和PCNN参数模型提出了熵值最大准则。该准则实现了PCNN神经网络的自动图像分割。对于PCNN的理论研究和实际应用具有非常重要的现实意义。     

一种新的PCNN实现方法及其在图像处理中的应用

讨论了PCNN的实现方法及其在图像处理中的应用等问题．在PCNN的具体实现中,网络被强制为单循环网络,通过简化模型、阈值查找表、整数运算等技巧,降低了PCNN的时间复杂度．引入了时问索引图、指纹时问序列等概念,将PCNN与传统的图像处理技术结合起来,为实现PCNN的自动图像处理提供了一条新的途径;应用时间索引图,可以实现图像增强、边缘检测、图像分割和特征提取等．推导了PCNN的适用条件,并提出了一种实用的连接系数估计方法,对PCNN参数设置有着直接的指导作用．     

PSLIP新模型及在边缘检测和图像增强中的应用

对数图像处理模型已形成并应用于图像处理的各个方面.本文提出一种参数对称的对数图像处理(PSLIP)新模型.该模型建立了一种可以处理图像负值部分带参数的对称结构.同时该模型不仅能够对图像中感兴趣的部分进行自适应调整,而且能够处理反射光图像和透射光图像.为了验证PSLIP模型的有效性,将其应用于边缘检测和图像增强中,形成PSLIP边缘检测和PSLIP图像增强算法.实验结果表明,其效果均优于现有对数图像处理模型.     

一种基于改进型PCNN的织物疵点图像自适应分割方法

 针对传统脉冲耦合神经网络(Pulse Coupled Neural Network,PCNN)模型中网络参数多、不易自动选取的问题,本文在对PCNN模型进行改进的基础上,提出了一种基于改进型PCNN织物疵点图像自适应分割方法.采用了一种基于分割区域内均匀度差异最小作为最佳迭代次数判断标准,从而有效地满足了PCNN对织物疵点图像的自动分割要求.通过对不同疵点图像分割实验证明了算法对疵点分割的准确性和有效性.     

脉冲耦合神经网络在图像融合中的应用研究

脉冲耦合神经网络(PCNN)具有全局耦合性与脉冲同步发放等特点,可用于解决融合图像高频子带系数的选取不符合人眼视觉特性的问题。但PCNN在应用于多源图像融合的过程中存在着模型结构复杂、参数设置繁琐等问题,针对PCNN的模型结构,分析了模型优化的两类方法,并总结了PCNN应用于多源图像融合的一般规律,为PCNN更好地应用于多源图像融合提供了参考。     

PCNN参数自适应设定及其模型的改进

 脉冲耦合神经网络(PCNN)模型在数字图像处理中有着广泛应用,但基本都是从网络的外在特性出发并结合一定的实际应用对其进行研究和改进,缺乏对模型本身数学特性的分析.本文从PCNN模型的迭代方程出发,对无耦合连接和耦合连接两种状态下的PCNN数学模型进行了点火机理分析,揭示了PCNN模型本身的数学耦合特性(点火阶梯)以及其对网络生物学特性(脉冲发放特性)会造成干扰和影响的现象,并分析了这种干扰和影响产生的机理和消除方法,同时提出PCNN用于图像分割时参数自适应设定的方法.最后给出了更能体现神经网络生物学特性的PCNN改进模型,将其用于Lena等图像的分割处理中,取得了良好的效果.     

PCNN图像分割技术研究

在图像处理中,精确的图像分割可以加快后续的处理工作,具有更好的应用性。根据近些年提出的脉冲耦合神经网络模型在图像分割中的应用,给出其在图像分割中的基于熵函数、准则函数、参数调整和改进的脉冲耦合神经网络模型的4种方法,并对各个方法进行了综述。最后根据模型的基本特性和文献进展情况,给出脉冲耦合神经网络模型在图像分割中未来的研究方向。     

自适应PCNN多聚焦图像融合

脉冲耦合神经网络（PNNN）型参数多,计算复杂,并且通常选取经验常数作为链接强度,这极大地限制了PCNN的普遍适用性.针对该问题,在分析PCNN模型基本特征的基础上,结合多聚焦图像的基本特点提出了一种基于PCNN的自适应多聚焦图像融合新方法.该方法在PCNN简化模型的基础上既将拉普拉斯能量作为PCNN对应神经元的链接强度β,又将其作为PCNN对应神经元的反馈输入经过PCNN点火从而获得每幅参与融合图像的点火映射图,最后通过选取适当的融合规则获得融合图像.实验结果表明了该方法的有效性,这种有效性不仅体现在视觉效果上,而且体现在客观评价标准上.     

一种基于简化PCNN的自适应图像分割方法

近年来的研究表明,脉冲耦合神经网络(Pulse Coupled Neural Network,PCNN)可有效地用于图像分割.然而对于不同图像,常需要选取适当的网络参数,以得到有效的分割结果.但是,目前网络参数的选取还主要停留在人工调整和确定阶段,尚无一种能够根据图像本身特性自动确定参数的方法,这在很大程度上限制了PCNN的应用.针对这一问题,本文提出了一种基于简化PCNN的自适应图像分割方法,通过利用图像本身空间和灰度特性自动确定网络参数,实现对不同图像的分割.实验结果表明,本文算法可以有效地对不同图像进行自动分割,具有一定的健壮性.     

一种新的基于双层PCNN的自适应图像分割算法

提出一种新的基于双层脉冲耦合神经网络（PCNN）的自适应图像分割算法。双层PCNN的前级以简化PCNN模型为基础,获得区域生长的种子;后级采用区域生长机制,征募区域内灰度相似像素,完成前级种子的生长。新算法PCNN的关键参数可自适应更新,避免了传统PCNN参数设置难的问题;区域生长机制强化了PCNN的区域特性。实验结果...     

PCNN原理及其在图像处理中的应用研究

脉冲耦合神经网络是依据对猫视觉皮层神经元脉冲串同步振荡现象的研究而发展形成的新型人工神经网络模型。根据脉冲耦合神经网络的原理和模型,分析其特性,研究并总结了它在图像处理中的应用,如图像分割、图像去噪、图像增强、图像融合等。根据脉冲耦合神经网络目前的国内外研究现状,指出今后的研究重点。