基于PCNN的彩色圖像特征捆綁模型構(gòu)建方法的研究.pdf

1、本文的研究內(nèi)容是國家自然科學(xué)基金“圖像顏色和形狀特征綁定的腦認(rèn)知過程及模型研究”(ID:61070077)中的重要組成部分，旨在對彩色圖像顏色和形狀特征捆綁模型的構(gòu)建方法進(jìn)行研究。
　　 圖像識別是計算機視覺領(lǐng)域中的一個研究熱點和難點，越來越多的受到了人們的關(guān)注，具有廣泛的應(yīng)用背景。本文重點研究顏色與形狀這兩種圖像最基本特征的特征捆綁神經(jīng)網(wǎng)絡(luò)模型的構(gòu)建方法，為計算機圖像識別提供理論依據(jù)和參考模型。
　　 針對彩色圖像顏色

2、和形狀特征捆綁模型構(gòu)建方法問題，本文的主要工作和創(chuàng)新點如下:
　　 首先，在分析基于強度的PCNN模型在彩色圖像處理方面不足的基礎(chǔ)上構(gòu)建了基于矢量的特征捆綁PCNN(VFB-PCNN)模型，該模型將PCNN模型處理的灰度標(biāo)量空間擴(kuò)展到VFB-PCNN模型的彩色矢量空間，并利用賦時矩陣實現(xiàn)顏色與形狀特征的分離以及捆綁，同時完成了迭代次數(shù)的自動判定，實現(xiàn)了彩色圖像的自動捆綁。仿真實驗結(jié)果表明，VFB-PCNN模型能夠較好的解決彩色圖

3、像的自動特征捆綁問題。
　　 其次，VFB-PCNN模型能夠較好的解決彩色圖像的自動捆綁問題，但是卻無法識別彩色空間中的所有顏色。因此，在此基礎(chǔ)上提出雙空間矢量特征捆綁PCNN(DVFB-PCNN)模型。該模型利用將RGB顏色空間與HIS顏色空間相結(jié)合的方法成功的解決了VFB-PCNN模型無法分離彩色空間中所有顏色的難題，具有很好的魯棒性。
　　 本文模型能夠很好的解決彩色圖像的特征捆綁問題，但是所建立模型是基于圖像的基