基于PCNN与LR的低对比度图像增强方法

图像增强是指对图像进行加工,以获得更“好”的视觉效果的一种图像处理技术。由于图像的最终接收者是人,所以评价图像“好坏”的关键在于其是否符合人类视觉系统的特性。针对低对比度图像,结合人眼视觉神经系统的感知特性,提出了一种基于PCNN与LR模型的图像增强方法。分析和仿真结果表明,该法能够较好地突出图像的边缘细节信息,明显地改善图像的视觉效果。     

弧焊机器人焊缝图像分割方法研究

提出了脉冲耦合神经网络（PCNN）图像分割的一种新方法,首次使用点火频率矩阵的二值矩阵作为图像分割的最终结果,给出了在此过程指导下PCNN参数选择原则,降低了PCNN对参数的依赖性,提高了图像分割的效果。将该方法运用于石油井架弧焊机器人焊缝图象的识别中起到很好的效果。     

基于改进的脉冲耦合神经网络的红外目标分割方法

针对红外目标的特点,提出了一种基于直方图的改进脉冲耦合神经网络（PCNN）图像分割方法,本算法摒弃了原有脉冲耦合神经网络模型中的时间指数下降机制,利用灰度直方图的知识直接获得PCNN的分割门限,同时保留了弥补空间罅隙和灰度微小变化的优点,实验表明本算法分割得到的目标区域更加完整,并提高了运算速度。     

基于PCNN的图像阴影处理新方法

该文提出了如何用脉冲耦合神经网络(PCNN)进行图像阴影处理的新方法。计算机仿真表明,采用参数优选的PCNN图像阴影处理算法,可有效地处理图像中的阴影,从而使得图像中的目标易于被发现。该文工作拓展了有明确生物学背景的PCNN在图像处理方面的功能。     

声信号的可视化特征提取方法

提出一种新的研究思路,先对声信号进行可视化,然后提取其图像特征,用于分类识别。针对语音信号0-9及三类交通噪声信号,分别得到声谱图,然后用脉冲耦合神经网络进行图像处理,提取平均熵和一致度作为图像特征,最后用BP神经网络进行分类识别。结果表明这种方法具有较高的识别率。     

粒子群进化学习自适应双通道脉冲耦合神经网络图像融合方法研究

针对双通道脉冲耦合神经网络图像融合方法中参数选取不易确定之挑战,提出了一种基于进化学习的自适应双通道脉冲耦合图像融合方法.通过引入自适应学习能力的进化学习算法和构建新的优化目标对双通道脉冲耦合神经网络模型参数来进行优化,提出的新算法能够有效地找到双通道脉冲耦合神经网络模型的近似最优参数,克服了经典双通道脉冲耦合神经网络图像融合方法需要人工交互穷举尝试不同参数来获取较优参数之缺点.实验研究亦表明了上述优点.     

基于NSST和自适应PCNN的图像融合算法

针对红外和可见光图像的特点,本文提出了一种基于非下采样剪切波变换(NSST)和自适应的脉冲耦合神经网络(PCNN)相结合的红外与可见光图像融合的新算法。对经过NSST变换后的低频子带系数采用带高斯权重分布矩阵的局域方差和方差匹配度相结合的融合规则,对高频子带系数采用一种改进的空间频率作为PCNN输入,且采用改进的拉普拉斯能量和作为PCNN的链接强度,利用PCNN全局耦合性和脉冲同步性选择高频子带系数,最后经NSST逆变换后得到融合结果。实验结果表明,本文提出的算法与传统的图像融合算法相比不仅在主观视觉上取得较好的效果,而且在客观标准上也有了一定的提高。     

基于脉冲耦合神经网络的刀具磨损检测

将仿生学中的脉冲耦合神经网络（PCNN）引入刀具磨损检测中,利用刀具磨损区域灰度强度明显高于刀体和背景区域灰度强度的特点,通过空间邻近和灰度相似集群像素获得分割的二值图像,从而达到对刀具磨损区域进行检测的目的。对车削加工中刀具不同磨损阶段的磨损图像进行分割试验,证明了该算法可以有效地判断刀具的磨损状态。     

Curvelet域自适应脉冲耦合神经网络的图像融合方法

为解决传统图像融合准则不能充分利用图像全局特征的问题,将脉冲耦合神经网络(PCNN)模型用于Curvelet变换的图像融合中,提出了由表征子带图像局部特征的支撑值(SPV)作为刺激PCNN模型的外部激励输入,同时考虑Curvelet变换后低频子带信息与高频子带信息间的相关性,设定PCNN模型参数(连接强度和连接范围)随低频子带图像的特征自适应地变化,并且利用PCNN模型中各神经元的首次点火时间构造融合准则中的显著性度量。用PCNN模型模拟人眼视觉神经系统的生物特性,并利用其全局耦合特性对源图像进行智能地分析判断和融合处理,从而提高融合图像的整体效果。实验结果表明,由于PCNN具有全局耦合特性和脉冲同步特性,因此当它用来参与选取细节系数时,能够更好地利用子带图像的全局信息。     

基于脉冲耦合神经网络的红外图像拼接

创建高分辨率的宽视角的拼接图像为图像处理、计 算机图形学等交叉学科学研究的新领域,针对传统的基于边缘的拼接算法对噪声比较敏感, 红外图像噪声干扰严重与信噪比低的特点,提 出一种基于脉冲耦合神经网络(PCNN,pulse coupled neural network)的红外图像拼接算法 。采用PCNN仿生物视觉角度,提取图像的边缘信息;采用Hausdorff距离作为配准的相似性 测度,计算出最优配准参数进行图像拼接;使用加 权平均方法,实现拼接图像的融合,提高拼接图像的视觉效果。实验结果表明,本文算法能 够实现图像的精确拼接,对噪声具有较好的鲁棒性,并提高了搜索效率,减小了计算量。