基于脉冲耦合神经网络的图像处理应用研究

【摘要】：脉冲耦合神经网络(Pulse Coupled Neural Network-PCNN)是一种有生物学背景的,不同于传统人工神经网络的,存在着脉冲发放及双通道相乘调制现象,且阈值动态可变的新一代人工神经网络,近年来受到研究学者们的广泛的关注。它可应用于图像处理的各个方面。目前,国内外对其的研究的时间不长,还有待于进一步扩展与深化,对其展开深入研究具有重要的理论意义与应用价值。 本文中,我们经过分析比较,选用了PCNN的合理简化模型。在将其应用于图像去噪、图像分割、边缘检测的同时,对算法中涉及到的各个参数进行分析研究,解决了在图像处理应用中,PCNN模型的参数优选问题,进一步深化了对PCNN的理解。 本文的工作取得了以下三方面的新进展: (1) 在对二值图像进行去噪处理时,针对被两种不同类型的噪声——椒盐噪声和高斯白噪声污染的图像,对PCNN算法中的参数进行逐个地详尽地分析,得出了一些有用的结论,指出当算法具体应用于去除椒盐噪声和高斯白噪声时,参数的选择存在着区别。 (2) 在进行图像分割的研究中,对基于图像熵和PCNN的图像分割算法中的参数——链接强度β_(ij)和阈值θ_y的初值选择问题进行了较详细的分析,引入最终测量精度RUMA_f作为参数优劣的衡量标准,从而得到了链接强度_(ij)的选择原则;另外,通过实验仿真,我们得到了阂值θ_y的初值的取值范围。 (3) 在进行二值图像边缘检测的研究工作中,我们对算法中的网络参数,结合PCNN模型的动力学方程,进行了分析讨论,得出了各参数的选择范围,从而加深了对算法的理解。