基于脉冲耦合神经网络的肝癌早期特征识别

在肝癌的早期诊断方面,CT仍是目前临床工作中最重要的方法,针对病变部位灰度的不同,本文采用脉冲耦合神经网络（PCNN）对获取的肝脏CT图像进行分析,从而获知肝脏的病变程度。实验证明,这种方法能够对肝脏病变进行准确的分析从而为肝脏疾病的治疗提供理论上的指导     

基于脉冲耦合神经网络的太湖蓝藻水华程度分析

蓝藻的大面积爆发会对生态产生灾难性的影响。针对蓝藻爆发区，域水面魔色的不同，本文采用脉冲耦合神经网络（PCNN）对获取的蓝藻水域图像进行分析。从而获知蓝藻的爆发程度。采用PCNN网络对蓝藻水域图像建立模型。实验证明，这种方法能够对蓝藻爆发程度进行准确的分析从而为蓝藻的治理提供理论上的指导。     

基于脉冲耦合神经网络的水污染监测方法研究

水污染会对生态产生灾难性的影响。针对水污染区域水面颜色的不同,本文采用脉冲耦合神经网络对获取的污染水域图像的色度、饱和度、亮度建立分析模型,从而获知水污染的程度。实验证明,这种方法能够对水污染程度进行准确的分析从而为水污染的治理提供理论上的指导。     

基于脉冲耦合神经网络的零水印算法

针对现有的零水印算法对图像的光照、旋转、位置、尺度变化较为敏感的问题,提出一种基于脉冲耦合神经网络(M-PCNN)的零水印算法。该方法模拟生物视觉的感知过程,将图像分解成由若干二值图像组成的认知序列,计算序列中的每幅二值图像的熵作为图像零水印特征。理论与实验结果表明,该方法与现有的零水印算法相比,可以描述图像的全局特征,对图像的光照、旋转、位置等变化有较强的鲁棒性,而且具有较低的维数。     

基于脉冲耦合神经网络的乳鼠心肌细胞图像增强

本文研究了脉冲耦合神经网络(PCNN)的特性及人眼视觉特征,模拟了一种用图像灰度对数替代原本PCNN输出的图像增强方法,并对乳鼠心肌细胞图像进行了增强处理。通过实验,对比图像形态学重建增强效果,本文采用的方法图像目标纹理更清晰、灰度更均匀,细节轮廓保持更完整,该图像增强方法适合处理前背景对比较明显,细节性要求较高的图像,尤其是整体灰度值较暗的情况。     

肺癌早期诊断系统中形态学识别的研究与实现

讨论了通过利用细胞图象中的形态学信息对肺癌细胞进行识别和检测的方法。该方法采用基于区域边界的链码方提取形态学特征,再根据形态学识别算法,对细胞自动进行分类,从而识别出图象中的肺癌细胞。     

改进脉冲耦合神经网络的语音识别研究

提出了一种改进脉冲耦合神经网络(IPCNN)实现语音识别的方法。首先利用IPCNN来快速提取语音的语谱图图像特征,然后由概率神经网络(PNN)辅助来识别语音。通过训练语音样本来构成语音识别库并建立综合识别系统。实验结果表明,本方法相对于单独使用PCNN和PNN识别率分别提高了22.7%和39.4%,达到92%的识别率。     

一种基于脉冲耦合神经网络的语音情感识别新方法

针对汉语语音情感识别问题,提出了一种基于脉冲耦合神经网络(PCNN)的识别方法。该方法将语音转化为语谱图后输入到PCNN,得到输出图像的神经元点火序列及其熵序列作为语音情感的特征,利用其特征实现语音情感识别。实验结果表明,该方法可以有效地识别“高兴”与“平常”这两种不同的情感。该方法将PCNN引入到语音情感识别的应用研究中,开拓了语音和图像信号结合处理的新领域,同时对于PCNN的理论研究和实际应用具有重要的现实意义。     

肺癌分类识别中的神经网络集成技术研究

This paper describes a neural network ensemble method in lung cancer cell identification process. A neural network ensemble algorithm LCNE based on image feature extraction is proposed. Firstly, LCNE algorithm trains different neural network classifiers designed for shape and color features individually. Then, using neural network en-semble method, the final lung cancer cell identification results can be achieved. On the basis of LCNE algorithm, weimplement a lunu cancer cell identification system LCDS successfully.     

CT图象特征的Fuzzy识别法（二）

Ｆｕｚｚｙ（模糊）模式识别是模式识别的一个新分支。文章以Ｆｕｚｚｙ集理论及模式识别理论为基础,根据专家提供的并用语言变量描述的ＣＴ征象,通过对数字化图象进行边检、分割和特征提取,识别出了小肺癌分叶、毛刺、空泡、星芒、瘤体密度均匀性等特征并描述了识别结果。     

基于神经网络的肺癌组织识别方法的研究

细胞识别是图像处理和模式识别领域的一个研究热点,有着十分广泛的应用前景。本文提出了基于模式神经网络算法FTART2的肺癌细胞识别方法,讨论了FTART2的网络结构、输入矢量的标准化及分类算。用513个样本对网络进行训练,再用716个样本组成测试集进行测试,实验结果表明：本文提出的基于FTART2的肺癌细胞分类器与基于标准BP的分类器相比,具有学习速度快、分类精度高的特点。     

基于改进脉冲耦合神经网络的动态人脸识别

动态人脸识别在实时监控和人员追踪等领域具有广泛应用前景,是目前人脸识别技术的研究热点之一.针对传统人脸识别技术在动态人脸识别应用中识别率不高的问题,提出一种基于背景差分法的改进脉冲耦合神经网络的动态人脸识别方法.利用脉冲耦合神经网络时空总和特性,将脉冲耦合神经网络神经元与人脸图像像素对应,使对不同人脸图像像素产生不同点火序列,通过对图像像素点火序列分析,可以进行不同人脸的区分.对500组动态人脸图像的随机抽取实验表明,改进脉冲神经网络对实际场景中的动态人脸识别性较好,可以较好地对不同人物进行区分,具有稳定鲁棒性.     

基于神经网络集成的肺癌早期诊断

将病理性诊断与计算机技术相结合以实现肺癌的早期诊断，首先利用数字图像技术对肺癌穿刺样本进行处理，提出取形态和色度特征，然后通过一种二级集成结构和特殊的投票方式，用神经网络集成对细胞图象进行分析，实验和原型系统试用表明，方法的总误诊率和肺癌患者漏诊率均低于单一神经网络方法和常用的神经网络集成方法。     

一种基于QPSO的脉冲耦合神经网络参数的自适应确定方法

针对目前脉冲耦合神经网络(PCNN)神经元模型中的参数主要通过人工定义的问题,提出一种基于量子微粒群优化(QPSO)算法的PCNN参数自动确定方法,并分析该算法的时间复杂度。该方法利用PCNN分割后的图像熵作为QPSO算法的适应度函数,在解空间中自动搜索PCNN中待确定参数的最优值,提供一种PCNN神经元模型中的参数自动确定方法。将该方法应用于图像分割时,以互信息量作为图像分割评价标准。仿真结果表明文中方法实现正确的图像分割,其性能优于Otsu方法、人工调整PCNN参数方法、遗传算法优化方法和微粒群优化方法,表现出较好的鲁棒性。     

基于LMD-脉冲神经网络的随钻振动识别

针对旋转钻井过程中对钻头异常振动(横向振动、纵向振动、扭转振动)信号识别准确率低,效率差,导致钻具损坏甚至井眼报废的问题,提出一种基于局部均值分解(local mean decomposition,LMD)和脉冲神经网络的异常振动识别方法.首先,采用局部均值分解将微机电系统(Micro Electro Mechanical System,MEMS)加速度计信号分解为具有振动特征的PF分量;然后,从分解的乘积函数(Product function,PF)分量中提取随钻异常振动特征,并将提取到的加速度计振动特征编码为脉冲;其次,使用改进的学习规则训练脉冲神经网络对随钻异常振动进行识别.设计模拟实钻实验和仿真,训练后的脉冲神经网络可以对随钻振动的识别度达到99.39％,显示了该方法在实际应用中的巨大潜力.     

一种优化脉冲耦合神经网络模型及在图像分割中的应用

针对目前脉冲耦合神经网络(PCNN)神经元模型参数主要通过人工设定问题,以简化参数为目的将PCNN模型的调制参数β与连接权矩阵K简化为链接系数矩阵W,提出一种优化PCNN神经元模型。该模型应用于图像分割时,充分利用图像本身空间和灰度特性自动确定链接系数,实现对图像的有效分割。实验结果表明,所提方法可以有效对图像进行自动分割,其分割效果优于Otsu方法、人工调整PCNN参数方法。     

利用脉冲耦合神经网络的纹理图像检索方法

为提高基于内容的图像检索系统(CBIR)中纹理特征提取的有效性,进一步提升CBIR系统的整体性能。提出了一种基于脉冲耦合神经网络的纹理图像检索方法。脉冲耦合神经网络(PCNN)是新一代的人工神经网络,在数据处理上具有很多优势。特征提取时具有平移、旋转、尺度、扭曲等不变性,以及很好的抗噪性,而这一点非常适合于图像检索系统。利用PCNN及简化模型ICM得到对应于不同灰度值的二值图像序列,计算序列中每幅图像的熵序列,其一维的特征矢量作为纹理特征。采用Eu-clidean距离进行相似度计算,建立了一套基于示例查询图像的纹理图像检索系统。实验结果表明,与小波包等特征提取方法相比,该方法不仅对噪声具有较强的鲁棒性,同时能降低特征向量维数,具有尺度、平移和旋转不变性,而且能取得更高的检索率。     

改进的脉冲耦合神经网络人脸特征提取方法

针对基于子空间分解的人脸特征提取方法对人脸图像在采集过程中的光照、旋转、位置等变化较为敏感的问题,提出了一种改进的脉冲耦合神经网络人脸特征提取方法。该方法模拟生物视觉的感知过程,将人脸图像分解成由若干二值图像组成的认知序列,计算序列中的每幅二值图像的熵作为人脸特征,基于支持向量机实现分类与识别;同时克服了标准的脉冲耦合神经网络模型参数过多的缺点,识别率也有所改善。理论与实验结果表明,该方法与现有的基于子空间分解的人脸特征提取方法相比,对人脸图像在采集过程中的光照、旋转、位置等变化有较强的鲁棒性,而且具有较低的维数。     

基于PCNN改进算法的手写体识别研究

脉冲神经网络(PCNN)被广泛应用于图像处理、模式识别等领域。提出了一种基于PCNN的凹点检测改进算法。首先改进神经元激励函数,并利用小波收缩法去噪,保持图像的层次性,然后通过凹点检测识别手写体。实验结果表明,提出的方法能有效提高手写字母的识别率,尤其是在噪声环境下,识别率得到大幅提升。     

基于外观特征与神经网络的交通标志识别

不同种类的交通标志具有特定的颜色及形状等外观特征,本文利用此特点设计了一个自动交通标志识别系统。该系统首先应用HIS彩色模型及标志的形状特征确定彩色图像中的标志区域及标志所属的种类。系统再应用自组织神经网络（S0MNN）进一步识别标志模式。实验证明了该方法的有效性与鲁棒性。