基于PCNN的图像纹理平滑度的特征提取

脉冲耦合神经网络(PCNN)是基于猫视觉原理构建的一种简化的神经网络模型，它适合基于视觉内容的特征提取。该文在改进模型的基础上运用PCNN神经元的点火捕获特性提取出了一种度量图像纹理平滑程度的特征量——捕获率；同时结合PCNN与傅立叶功率谱得到图像的低频能量与图像总能量的比例关系，作为度量图像纹理平滑程度的另一个特征量——低频能量比。最后通过图像检索实验验证了这两个特征量的有效性。     

图像分割中PCNN的应用研究

第三代人工神经网络——脉冲耦合神经网络(PCNN)在图像分割领域受到极大的关注,描述了PCNN模型原理,总结了PCNN应用于图像分割时存在的问题,分析了目前对这些问题的解决方法及其实现原理。在此基础上,指出各类方法的优缺点,展望了PCNN应用于图像分割的研究方向,模型中参数设置对分割结果影响的理论依据需要更深入的研究。     

Shearlet与改进PCNN相结合的图像融合

为提高多聚焦和医学图像融合的性能,提出了一种基于Shearlet变换的新型图像融合算法。与小波变换类似,Shearlet具有简单的数学结构,这使其可以很方便地和多分辨分析关联起来。在对一幅图像作Shearlet变换时,可以将其在任意尺度和方向上进行解构,因而Shearlet比传统小波可以捕获更多的方向和其他几何信息。所以对于图像融合来说,Shearlet是一种很好选择。对于Shearlet子带系数的选择,采用了一种改进的PCNN的点火幅度来得到融合策略,而不是传统PCNN方法中的点火次数,点火幅度通过一个Sigmoid函数来得到。并且采用改进拉普拉斯能量和(SML)这一有效的聚焦度量作为PCNN的输入,以提高其性能。实验结果表明,该方法在视觉效果和客观评价指标上都要优于小波和非下采样Contourle(tNSCT)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。     

基于PCNN的图像高斯噪声滤波的方法

针对图像高斯噪声的特点，提出了基于PCNN的图像高斯噪声的滤波新方法。通过对脉冲耦合神经网络运行机理的分析，指出网络中神经元间的捕获特性本身在一定程度上起着对图像的滤波作用，并介绍了该滤波方法的去噪能力和特点。为进一步适应图像滤波的需要，对PCNN的硬限幅函数加以了改进。最后给出了仿真实验的结果，验证了该方法的有效性。     

一种基于PCNN的图像自动分割方法

脉冲耦合神经网络(PCNN)是20世纪90年代形成和发展的一种新型神经网络,在图像处理领域得到广泛的应用。本文提出了一种基于简化的PCNN与类内最小散度类间最大方差相结合的自适应图像分割方法,在每次迭代时将脉冲耦合神经网络点火的神经元对应的像素作为目标,未点火的神经元对应的像素作为背景,计算目标和背景像素灰度值的类间方差与类内散度,取类间方差与类内散度比值最大的分割图像作为最终结果。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,是一种可行的与有效的图像分割方法。     

基于小波变换的PCNN网络流量预测算法

网络流量预测对网络安全、网络管理等具有重要的意义。针对网络流量的行为特征,提出了基于小波变换的PCNN网络流量预测算法。对预处理的网络流量进行小波分解,利用PCNN模型预测获得的近似系数和细节系数,通过小波逆变换对预测的小波系数进行重构,得到预测的网络流量。实验结果表明,与其他的三种网络流量预测算法相比,算法得到较小的残差,取得了较好的预测效果。     

基于PCNN模型的图像分割研究

脉冲耦合神经网络（PCNN）是根据猫的大脑视觉皮层同步脉冲发放现象提出的一种人工神经网络,有着生物学依据。本文采用Sobel算子提出梯度特征,通过自适应窗口技术对图像中含不同纹理特征信息的图像进行预处理。然后调整PCNN的链接域,结合PCNN脉冲传播性与区域增长,对预处理后的图像进行多值分割。我们称这种修改后的PCNN称为MRG-PCNN,实验结果充分展示了这种方法的有效性。     

基于PCNN的桨叶图像提取及锥度测量

针对目前对直升机桨叶共锥度测量难度大、精度低、无法对桨叶逐点测量的缺点,提出了一种应用视觉系统测量旋翼共锥度的新方法,给出了系统的总体安装方案并对系统的成像误差精度进行了分析,由于旋翼桨叶处于高速旋转状态需要实时处理的特点,提出了一种基于脉冲藕合神经网络(PCNN)的分割方法,在设计好的旋翼桨叶模型上进行了相关实验,通过与其它分割算法的对比,验证了算法的具有很高的识别率;实验结果表明:基于PCNN的分割方法具有较高的精度,适用于实时的旋翼锥度测量系统.     

基于直方图矢量重心的PCNN图像目标识别新方法

对传统PCNN模型进行简化与改进,从适合图像处理的角度提出了赋时矩阵的概念;利用物理学相关概念定义了一种新的赋时矩阵图像直方图矢量不变特征,并将该特征运用在图像目标识别中;通过实验证明了算法的优越性。     

基于投影变换的声纳图像特征提取与识别

用投影变换的方法进行了成像声纳采集的水声图像特征提取与识别。阐述了Radon与扇束投影变换的特点与关系,并提出了一种基于图像边缘Radon变换的水声图像矩特征提取和识别方法。首先使用一种形态学边缘提取算子和细化算法提取二维图像中目标的轮廓,构造目标轮廓在 Radon变换空间的平移、比例和旋转矩不变量,并应用于三类水下物体的分类识别中,实验仿真结果表明该方法在运算速度上优于Hu’s不变矩和图像目标面Radon投影空间不变矩,具有很好的性能和较高的实用价值。     

基于灰度共生矩阵的纹理特征提取①

纹理广泛存在于自然界中,是物体表面最本质的属性。纹理分析技术一直是热门的研究领域,纹理特征提取作为纹理分析的首要任务更是人们研究的焦点。针对五种木材纹理提出了用灰度共生矩阵的方法提取纹理特征,通过MATLAB仿真实现,结果表明由灰度共生矩阵产生的四个纹理特征能有效的描述木材的纹理特征,具有较好的鉴别能力。     

纹理图像中重复纹理元素提取方法

提出了一种交互式纹理图像中纹理元素提取算法,该算法能够在用户提供少量交互的情况下较好地实现纹理图像中重复纹理元素的同时提取。首先采用均值漂移聚类算法将纹理图像分割成独立且连通的子块区域,并构建图像子块区域之间的连通关系;然后结合颜色特征与纹理特征定义一个鲁棒的相似性度量公式,从而准确地捕获具有外观相似特征的纹理元素;在此基础上,通过进一步改进优化的图割模型,最终实现高质量的纹理元素提取。该算法针对前/背景颜色相近的纹理图像中纹理元素的提取有较大改善,并且大大提高了现有图像分割算法的时间效率。     

显微图像纹理特征提取方法综述

纹理广泛的存在于自然界中,物体的根本属性.与其他图像特征相比,能更好地兼顾图像的宏观性质与细微结构两个方面,因此纹理特征分析成为图像分析的重要手段.本文从定义、特征、研究方法、应用领域几个方面对纹理特征的提取方法进行了论述.最后对各种方法的优缺点及应用范围进行了比较.     

人脸图像的特征提取

人脸识别的研究是模式识别和人工智能领域内的重要课题,有着十分广泛的应用前景。人脸特征的自动提取是人脸自动识别过程中至关重要的一个环节。主要就基于积分投影的人脸图像的特征提取、基于奇异值分解的特征提取及小波特征提取等几种较好方法进行研究。基于积分投影的人脸图像特征点的提取方法对人脸进行定位特别精确。基于小波分解频谱性分析的人脸特征提取极大减少了图像的存储空间和计算复杂度。基于SVD分解的特征提取处理后的正确率很高,计算复杂度也低。     

人脸图像的特征提取

人脸识别的研究是模式识别和人工智能领域内的重要课题，有着十分广泛的应用前景。人脸特征的自动提取是人脸自动识别过程中至关重要的一个环节。主要就基于积分投影的人脸图像的特征提取、基于奇异值分解的特征提取及小波特征提取等几种较好方法进行研究。基于积分投影的人脸图像特征点的提取方法对人脸进行定位特别精确。基于小波分解频谱性分析的人脸特征提取极大减少了图像的存储空间和计算复杂度。基于SVD分解的特征提取处理后的正确率很高，计算复杂度也低。     

基于特征提取的纹理合成算法

对于包含明显特征对象的纹理,现有的纹理合成算法会破坏样图中特征对象的完整性,使得合成的纹理效果不理想。针对该类型的纹理,本文提出了一种基于特征提取的纹理合成算法,该算法将纹理样图进行分层处理,一层是纹理上具有明显边界和完整形状的特征对象,一层是除去特征对象的背景。我们先将纹理上的特征对象提取出来,然后用剩下的纹理合成背景,最后将提取的对象按照样本中的分布规律撒播在背景上来生成纹理。实验表明,该算法能够较好地保证样本纹理中特征对象的完整性,合成效果比较理想。     

基于纹理特征的车牌定位方法

为了提高车辆牌照定位成功的概率以及定位精度,提出了一种基于纹理特征,采用自适应二值化的车牌定位方法。该方法首先利用小波分析对图像进行预处理,提取车牌图像字符区域的纵向纹理特征,然后利用边缘检测算子对图像纹理特征进行二次提取,再进行自适应二值化。该方法克服了直接对小波分析后图像进行二值化时,阈值选取非常困难的缺陷。实验结果表明,该方法能够达到提取有效车牌图像的目的,适用于各种复杂条件下拍摄的车牌图像定位。     

用于图象识别的图象代数特征抽取

本文证明了图象的奇异值特征具有一系列代数和几何上的不变性以及对噪音的不敏感性,它是识别图象的有效特征.本文将奇异值特征用于人象识别问题.根据图象奇异值特征向量样本建立了Sammon最佳鉴别平面上的正态模式Bayes分类模型.实验结果表明,奇异值特征向量具有良好的鉴别分离能力.     

基于改进WLD的纹理特征提取方法

在纹理分类应用背景下,原始韦伯局部描述符( WLD)对纹理模式区分能力有限。针对该问题,提出一种基于正负梯度改进的WLD( WLD-PNG)。利用局部窗内像素点间灰度变化的正负梯度构建纹理特征描述符,通过分离计算正负梯度的差分激励算子,保留灰度等级变化的正负性信息,以增强纹理模式的可区分性,运用均匀局部二值模式( uLBP)提取灰度等级变化的空间分布结构信息,并提高纹理模式的识别能力,使用均匀量化和编码技术将差分激励算子与uLBP结合,从而描述图像的纹理特征。在Brodatz和KTH-TIPS2-a纹理库上进行对比实验,结果表明,与原始WLD,uLBP,WLD+uLBP及已有改进的WLD等方法相比,WLD-PNG在提高纹理分类性能的同时,具有较好的稳健性和较低的计算复杂度。