特征連接模型及其應(yīng)用.pdf

1、脈沖耦合神經(jīng)網(wǎng)絡(luò)(Pulsed Coupled Neural Networks，PCNN)是第三代神經(jīng)網(wǎng)絡(luò)的典型代表，演化自哺乳動(dòng)物視覺(jué)皮層系統(tǒng)的同步脈沖發(fā)放現(xiàn)象．在研究PCNN的基礎(chǔ)上，我們提出了特征連接模型(Feature Linking Model，F(xiàn)LM)，利用FLM的賦時(shí)矩陣和單通工作方式進(jìn)行圖像處理．
　　首先，我們提出了FLM，該模型有反饋輸入和連接輸入兩個(gè)輸入端，它與PCNN有相似的結(jié)構(gòu)，但是在PCNN中有三個(gè)漏電

2、積分器而FLM只有兩個(gè)漏電積分器，因此FLM較PCNN簡(jiǎn)單．我們發(fā)現(xiàn)，當(dāng)閾值呈現(xiàn)指數(shù)衰減時(shí)，F(xiàn)LM的賦時(shí)矩陣和刺激輸入之間呈現(xiàn)一個(gè)對(duì)數(shù)關(guān)系，并且通過(guò)單通工作方式記錄了脈沖發(fā)生的時(shí)間．FLM中的全局抑制項(xiàng)，提高了同一個(gè)區(qū)域神經(jīng)元的同步性和不同區(qū)域神經(jīng)元之間的異步性．另外，γ帶振蕩啟發(fā)的連接調(diào)節(jié)機(jī)制和動(dòng)態(tài)閾值特性，使得FLM更接近于生物神經(jīng)元特性．此外，受到生物神經(jīng)學(xué)支持的賦時(shí)矩陣也是本文研究的重點(diǎn)．
　　其次，我們提出了FLM的單通

3、工作方式，該工作方式可以使得所有的神經(jīng)元只能點(diǎn)火一次，且保證所有的神經(jīng)元都能夠點(diǎn)火．我們利用FLM的單通工作方式獲得了賦時(shí)矩陣，這為本文提出的圖像處理算法提供了基礎(chǔ)．此外，F(xiàn)LM是通過(guò)其兩種突觸輸入來(lái)獲得同步脈沖的，我們分別介紹了這兩種突觸的調(diào)節(jié)機(jī)制和這兩種突觸的波形傳播形式．
　　基于FLM的賦時(shí)矩陣，結(jié)合同步特性，我們提出了FLM圖像增強(qiáng)、圖像分割和圖像復(fù)原三種方法，并詳細(xì)介紹了每種方法的預(yù)處理操作、算法的具體實(shí)現(xiàn)過(guò)程、參數(shù)的