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。     

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．     

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。     

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。     

基于FRGF和改进PCNN的红外可见光图像融合

为解决图像融合中边缘细节保留不理想的问题,本文提出了一种快速滚动引导滤波器和改进脉冲耦合神经网络相结合的红外可见光图像融合方法。提出的快速滚动引导滤波器可以较好地在保留边缘、细节纹理信息的同时有效提高运行效率。首先,利用快速滚动引导滤波和高斯滤波对源图像进行多尺度分解;其次,为了使基础层图像更好地突出轮廓信息,采用相似性匹配的融合规则对图像进行融合;然后,细节层采用改进参数自适应脉冲耦合神经网络规则进行融合;最后,经过多尺度重构得到融合结果图。实验结果表明,与其它5种融合方法相比,该算法不仅在视觉效果上得到了提升,而且能够充分保存图像的边缘和纹理等信息,极大地提高了运行效率。另外,该方法在客观评价指标上均优于对比方法。     

一种参数自适应的PCNN图像分割算法

文章利用用粒子群优化(PSO)算法优化脉冲耦合神经网络(PCNN)的参数,其中将从训练图像中提取熵和能量的比值作为PSO的适应度函数,提出了一种参数自适应的PCNN图像分割方法。最终通过Matlab仿真实验证明了该方法具有较好的分割性能,该方法不但能够正确地完成图像分割,而且也省去了人为设置PCNN参数的麻烦。     

基于PCNN的图像融合规则

简单介绍了多小波变换和脉冲耦合神经网络(pulse-coupled neural network, PCNN)的原理和特点.提出了在多小波分解后的高频域和低频域都使用基于PCNN的融合规则的算法.为了验证所提出的融合规则的有效性,对可见光图像和红外图像进行了融合实验,给出了评价融合质量的对比结果.实验结果表明,所提出的图像融合算法在增加图像对比度、保留图像细节信息、增加信息量方面都有明显的提高.     

基于Curvelet和PCNN的图像融合

简要介绍了曲线波变换和脉冲耦合神经网络（pulse—coupledneural network,PCNN）的原理和特点。提出了一种曲线波分解后,低频和高频共同使用基于PCNN的融合规则算法。并对医学图像中的CT和MRI图像进行了算法融合验证,最后给出了评价融合质量的对比结果。     

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PCNN的图像噪声消去方法

提出了一种基于PCNN(脉冲耦合神经网络)的图像椒盐噪声消去方法,针对椒盐噪声的特点,根据PCNN集群点火特性,结合邻域均值滤波器较好地进行了图像平滑.试验证明,该方法不仅能够有效地去除椒盐噪声,对图像纹理和边缘的保护也较好.     

一种新的基于PCNN的图像自动分割算法研究

脉冲耦合神经网络(PCNN)非常适合图像分割.在参数确定的情况下,分割效果随迭代次数呈周期性变化.因此确定最佳迭代次数是运用PCNN进行图像自动分割的关键.本文提出一种基于连通域计算的边缘统计算法,用于评价迭代结果的有效边缘.最大有效边缘值所对应的迭代输出即为最佳分割.实验证明,该算法比基于图像熵和基于边缘算子的算法灵敏度高,抗噪声能力强.     

基于单电子晶体管图像信号处理应用研究

研究了单电子晶体管的特性，文章提出一种基于单电子晶体管阵列的传输特性实现CNN方法，设计构成CNN。仿真结果表明，所设计的硬件电路具有结构简单、功耗低、频率特性好．将其应用于图像处理具有一定的灵活性和通用性。     

一种基于PCNN赋时矩阵的图像去噪新算法

该文从图像脉冲噪声的特点出发,提出了基于脉冲耦合神经网络(Pulse Coupled Neural Networks, PCNN)赋时矩阵的图像去噪算法。赋时矩阵是由PCNN产生的一种从空间图像信息到时间信息的映射图,在图像处理中,赋时矩阵包含有与空间相联系的有用信息。计算机仿真结果表明,通过对PCNN赋时矩阵分析与处理,综合运用相关方法,可以有效地滤除被脉冲噪声污染的图像噪声,且恢复图像的视觉效果明显地好于中值滤波、均值滤波及维纳法得到的结果,其信噪比高、去噪能力强、对边缘和细节的保护性好、适应性强。     

一种基于PCNN算法的图像选点滤波方法

提出了一种新的基于脉冲耦合神经网络算法的图像选点滤波方法,首先介绍了脉冲耦合神经网络算法模型,分析了噪声的特点。然后提出新的算法：用脉冲耦合神经网络构造图像像素点火时间矩阵,根据时间矩阵判别该点应采取怎样的滤波算法。最后通过图像质量评价方法对实验结果作了分析,结果证明该方法有效可靠,能够抑制高斯噪声和脉冲噪声。     

基于C40阵列图象处理系统结构的研究

本文给出了-基于C40DSP的新颖阵列图象处理系统．该阵列采用了全局互连网络和局部互连网络，构成了一分布式存贮器体系和共享存贮器体系相结合的存贮器体系结构．理论研究表明，阵列处理器的性能有了明显的改善．阵列处理器的最大峰值指标可达：800MFLOPS、4．4BOPS和22．4Gbits／s．     

基于自适应PCNN的紫外图像融合算法

电晕放电产生的紫外线波长为200~400 nm,为避开太阳光和日光灯的干扰,利用240~280 nm这一日盲波段获取紫外放电图。为能够确定电晕放电的位置,提出了一种适用于可见光图像和紫外图像融合的新算法。以图像空间频率和信息熵作为PCNN对应神经元的链接强度值,并与加权平均法、拉普拉斯金字塔变换方法和小波方法等融合算法相比较。实验结果表明,文中方法优于其它方法,融合效果良好。     

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。     

水下光学图像处理研究进展

水下光学图像处理是水下设备完成深海探测和作业任务的重要依据。在简述了水下光学图像处理的研究背景、意义及其研究热点的基础上,该文从水下图像光照因素改善与颜色校正两个方面,详细综述了水下成像技术和水下图像清晰化算法的研究进展,重点论述了基于成像模型的图像复原方法和图像增强方法两个最为活跃的研究方向的研究现状。根据水下光学图像处理研究热点,分别从考虑光的前向折射,水下成像模型和图像增强算法结合,引入相关领域新型算法和提高图像处理实时性的角度,展望了水下光学图像处理研究的发展趋势。