Spiking神經(jīng)網(wǎng)絡(luò)研究及其在圖像檢索中的應(yīng)用.pdf

1、作為目前具有最高仿生性的人工神經(jīng)網(wǎng)絡(luò)，Spiking神經(jīng)網(wǎng)絡(luò)是模擬生物大腦功能而提出的一種新型人工神經(jīng)網(wǎng)絡(luò)模型，也被稱為第三代神經(jīng)網(wǎng)絡(luò)。該模型采用Spike時間編碼的方式來表示和傳遞信息。比起感知機(jī)等傳統(tǒng)神經(jīng)網(wǎng)絡(luò)，Spiking神經(jīng)網(wǎng)絡(luò)更符合生物神經(jīng)元的信息處理方式。研究表明，與傳統(tǒng)神經(jīng)網(wǎng)絡(luò)相比，Spiking神經(jīng)網(wǎng)絡(luò)無論是在信息表達(dá)能力還是計算能力上都有了巨大的提升。因而Spiking神經(jīng)網(wǎng)絡(luò)引起了國內(nèi)外研究者的廣泛關(guān)注和高度重視。目

2、前，Spiking神經(jīng)網(wǎng)絡(luò)不論是在生物、人工智能等學(xué)科中有較多的研究成果，而在工程應(yīng)用領(lǐng)域卻尚處于起步階段。由于在當(dāng)前的互聯(lián)網(wǎng)時代，越來越多的網(wǎng)絡(luò)信息采用圖像或者圖像相關(guān)的方式進(jìn)行傳遞，自二十世紀(jì)60年代開始，自動識別領(lǐng)域?qū)D像識別與檢索的要求變得越來越迫切，因此將Spiking神經(jīng)網(wǎng)絡(luò)應(yīng)用到圖像處理相關(guān)的應(yīng)用中，既可以擴(kuò)展Spiking神經(jīng)網(wǎng)絡(luò)的應(yīng)用范圍，又可以促進(jìn)圖像處理的快速發(fā)展，具有較高的理論研究意義和實際應(yīng)用價值。
　　

3、為了將Spiking神經(jīng)網(wǎng)絡(luò)成功的應(yīng)用到圖像檢索系統(tǒng)中，本文的工作主要有以下三部分：（1）提出了一種基于Spiking神經(jīng)網(wǎng)絡(luò)的圖像邊緣檢測方法，此方法基于脈沖卷積操作，將Spiking神經(jīng)網(wǎng)絡(luò)在時間表達(dá)上的優(yōu)勢與卷積神經(jīng)網(wǎng)絡(luò)在空間局部連接上的優(yōu)勢相結(jié)合，達(dá)到了較好的圖像邊緣檢測效果。（2）提出了一種基于Spiking神經(jīng)網(wǎng)絡(luò)的圖像角點(diǎn)檢測方法，該算法使用Spiking神經(jīng)元模板對圖像進(jìn)行掃描，并根據(jù)檢測神經(jīng)元的電壓變化等情況來確定圖像

4、角點(diǎn)。對于圖像邊緣圖像和灰度圖像，該方法進(jìn)行了不同程度的改變。（3）設(shè)計了一個基于Spiking神經(jīng)網(wǎng)絡(luò)的圖像檢索系統(tǒng)，該系統(tǒng)結(jié)合了圖像低層視覺特征和圖像語義特征，比傳統(tǒng)單一檢索方法更為全面。其中，圖像的低層特征表示是通過基于Spiking的圖像角點(diǎn)特征表示以及基于Spiking的圖像卷積特征表示來實現(xiàn)的。圖像的語義特征通過監(jiān)督的Spiking學(xué)習(xí)算法對圖像標(biāo)簽信息進(jìn)行監(jiān)督學(xué)習(xí)，通過訓(xùn)練以達(dá)到對檢索圖像較好的類別估測。為了驗證Spiki