基于智能計(jì)算和PCNN的圖像處理與檢索識(shí)別技術(shù)研究.pdf

1、隨著多媒體技術(shù)和萬(wàn)維網(wǎng)的快速發(fā)展，從海量圖像數(shù)據(jù)中檢索出來(lái)人們需要的圖像信息成為一個(gè)急需解決的問(wèn)題。不同于傳統(tǒng)的基于文本的圖像檢索方式，基于內(nèi)容的圖像檢索成為大規(guī)模多媒體數(shù)據(jù)庫(kù)高效管理和檢索的新興技術(shù)，基于內(nèi)容的圖像檢索是建立在計(jì)算機(jī)視覺(jué)和圖像理解、圖像分析基礎(chǔ)之上的，它涉及到信息檢索、圖像處理、模式識(shí)別、計(jì)算機(jī)圖形學(xué)、數(shù)據(jù)庫(kù)管理等諸多方面的技術(shù)?；趦?nèi)容的圖像檢索是近年來(lái)圖像信息檢索領(lǐng)域的一個(gè)研究熱點(diǎn)。
　　基于脈沖耦合神經(jīng)網(wǎng)絡(luò)

2、(Pulse Coupled Neural Networks，PCNN)和智能計(jì)算的技術(shù)，本課題進(jìn)行了智能計(jì)算、PCNN在圖像去噪、分割和識(shí)別檢索的理論應(yīng)用的研究，形成了基于智能計(jì)算和PCNN的圖像處理與檢索識(shí)別的總體方案，通過(guò)實(shí)驗(yàn)仿真，取得了良好的效果。
　　論文的主要工作和取得的成果可歸納為以下五個(gè)部分：
　　1.智能計(jì)算應(yīng)用于圖像分割?？偨Y(jié)了圖像分割的基本理論和常用方法，介紹了最大類(lèi)間方差和最大熵理論，進(jìn)行了智能計(jì)算圖

3、像分割的研究。將遺傳算法與最大類(lèi)間方差、最大熵理論結(jié)合，設(shè)計(jì)了有關(guān)分割算法，通過(guò)相應(yīng)的仿真實(shí)驗(yàn)，取得了較好的效果，還在實(shí)驗(yàn)中與matlab自帶函數(shù)、最大類(lèi)間方差法分割結(jié)果進(jìn)行了比較。
　　2.智能計(jì)算應(yīng)用于圖像識(shí)別。智能算法在圖像識(shí)別中，選擇的智能算法是BP神經(jīng)網(wǎng)絡(luò)，分析了BP網(wǎng)絡(luò)分類(lèi)器的設(shè)計(jì)，輸入層、隱含層、輸出層的設(shè)計(jì)，選用傳統(tǒng)的梯度下降算法，主要識(shí)別含有數(shù)字的圖像，并且完成了相應(yīng)的仿真實(shí)驗(yàn)。
　　3.設(shè)計(jì)了PCNN和保

4、持邊緣模板相結(jié)合的算法并用于圖像去噪。主要對(duì)圖像中的脈沖噪聲進(jìn)行處理并提取邊緣。完成了相應(yīng)的仿真實(shí)驗(yàn)，包括靜態(tài)單張含噪圖像的噪聲去除和序列含噪動(dòng)態(tài)圖像目標(biāo)圖像的噪聲去除處理。
　　4.免疫算法優(yōu)化 PCNN參數(shù)用于圖像分割及特征提取。與最大熵、最大類(lèi)間方差分別相結(jié)合，設(shè)計(jì)了免疫算法優(yōu)化 PCNN參數(shù)的算法，完成了相應(yīng)的仿真實(shí)驗(yàn)。在此基礎(chǔ)上，統(tǒng)計(jì)每次分割時(shí)二值圖像中的“亮”點(diǎn)的個(gè)數(shù)，得出時(shí)間序列（時(shí)間簽名）作為圖像特征。通過(guò)實(shí)驗(yàn)，驗(yàn)