視覺脈沖神經(jīng)網(wǎng)絡(luò)模型及其在圖像處理中應(yīng)用的研究.pdf

1、　　由Eckhorn神經(jīng)元模型得到的脈沖耦合神經(jīng)網(wǎng)絡(luò)模型(PCNN)是直接觀察貓的視覺皮層神經(jīng)細(xì)胞并模擬其活動而得到的人工神經(jīng)網(wǎng)絡(luò)模型。此算法在圖像分割領(lǐng)域中，已經(jīng)顯示出了其獨(dú)特的優(yōu)越性。本文在研究連續(xù)型PCNN的基礎(chǔ)上，探討了一種離散的觸發(fā)式脈沖耦合神經(jīng)網(wǎng)絡(luò)模型(TPCNN)，解決了計(jì)算機(jī)模擬PCNN的波動性問題。同時(shí)給出了一種基于連通域計(jì)算的TPCNN分割結(jié)果評價(jià)算法作為自動分割的判定準(zhǔn)則。實(shí)驗(yàn)證明，該算法具有靈敏度高、抗噪聲能力強(qiáng)

2、的特點(diǎn)?！　PCNN脈沖發(fā)放同步性是以象素空間鄰近和灰度相似為基礎(chǔ)的，神經(jīng)元的脈沖值與其前突觸勢的大小、鄰近象素灰度梯度變化率等因素?zé)o關(guān)，這給其應(yīng)用帶來了固有的局限性。本文依據(jù)生物視覺系統(tǒng)對圖像不同信息含量區(qū)域敏感度不同的特性，研究了一種基于感受野機(jī)制的脈沖耦合神經(jīng)網(wǎng)絡(luò)模型(RTPCNN)。與TPCNN不同的是，RTPCNN中接收外界刺激的突觸不僅有興奮型的而且有抑制型的，這兩種突觸以一定形狀排列組成神經(jīng)元的感受野。神經(jīng)元的同步點(diǎn)火

3、描述了圖像空間鄰域所包含的信息量，其點(diǎn)火時(shí)間代表信息量的差別。RTPCNN模型更接近生物視覺神經(jīng)系統(tǒng)，分割結(jié)果能很好地符合主觀感受。文章首次給出了RTPCNN的參數(shù)估算方法，使分割迭代次數(shù)最少。在此基礎(chǔ)上，文章提出了基于信息量的RTPCNN自適應(yīng)壓縮算法，與傳統(tǒng)PCNN壓縮算法相比，壓縮效率有很大提高。本文在TPCNN的基礎(chǔ)上，結(jié)合視網(wǎng)膜側(cè)抑制機(jī)制，研究了基于視覺側(cè)抑制的脈沖耦合神經(jīng)網(wǎng)絡(luò)模型(LTPCNN)。LTPCNN的每個(gè)神經(jīng)元對應(yīng)