收藏本站
收藏 | 手机打开
二维码
手机客户端打开本文

基于脉冲耦合神经网络的感兴趣区图像检测方法及应用

王成  
【摘要】: 脉冲耦合神经网络(Pulse Coupled Neural Network, PCNN)是近年提出的图像处理新方法,已在图像去噪、图像分割、图像阴影去除、图像边缘检测等领域中获得广泛研究与应用。将PCNN应用于感兴趣区(Regions of Interest, ROI)的检测,利用PCNN图像增强处理,其处理结果具有突显图像中的ROI区域、屏蔽图像中大量无关信息的优点,可有效缩小后续定位算法中ROI的搜索范围,有利于提高后续ROI定位算法的定位准确率和算法处理效率。然而,由于PCNN增强处理后的结果是图像序列,如何能有效地从该序列中自动检测出包含了目标ROI的图像结果,是PCNN在实际应用中所面临的一大难题。因此,基于PCNN的ROI检测方法及应用的研究不仅具有理论研究价值,而且具有重要的社会、经济意义。 本文主要围绕基于PCNN的ROI图像检测方法及其应用展开研究。其主要研究内容及其创新点归纳如下: (1)针对标准PCNN及其改进模型存在的缺陷和不足,提出了一种PCNN改进模型,LMO-PCNN模型。并通过对LMO-PCNN模型输出的不同规定,得到了该模型的两个子模型,LAO-PCNN模型和LIO-PCNN模型。同时,还对该模型进行了动态行为分析、模型网络参数设置分析,以及模型的特性分析。该改进模型不仅保持了PCNN的基本特性,而且还具有一些新的特性。 (2)为LMO-PCNN的两个子模型分别设计了两种不同的图像处理应用。基于LAO-PCNN模型,结合中值滤波器对图像去噪领域的难点-混合噪声进行修复,提出了一种的混合噪声滤除算法。并通过数学推理和实验手段获得模型关键参数的较优设置范围;基于LIO-PCNN模型,提出了一种ROI图像增强方法。进行了模型参数设置分析。通过不同的参数设置方式,分别得到两种LIO-PCNN图像增强方法,启发式的和自适应的。并比较分析了这两种算法各自的应用优势。同时,仿真实验结果表明,基于这两种子模型的图像处理算法的处理性能比以往算法均有明显提高。 (3)为提高ROI定位算法的定位精度和处理效率,以缩小ROI定位算法搜索范围的思路,提出了一种基于LIO-PCNN,结合独立成分分析(Independent Component Analysis, ICA)的ROI图像自动检测算法。该方法能以极少的时间代价,准确地从LIO-PCNN图像增强处理的结果序列中自动检测出包含了ROI的图像结果,且该结果能有效凸显图像中ROI信息,并屏蔽了图像中大量无关信息。该算法检测一幅图像的平均用时仅需0.03s,准确率达98%以上。并对ROI的形状和位置具有鲁棒性,无需ROI的先验知识,具有较强的算法适应性。 (4)针对LIO-PCNN-ICA检测方法处理后结果图像中车牌区域所具有的特征,结合连通域标记方法,提出了一种简单、快速的车牌定位算法,该方法不仅能有效对车牌进行精确定位,而且还同时完成了对车牌字符的分割处理。仿真实验表明,本章算法通过引入LIO-PCNN-ICA方法,以极小的时间代价,优化了算法的输入信息,缩小了对车牌的搜索范围,取得了比以往算法更高的定位精度和更快的执行效率。这同时也表明,LIO-PCNN-ICA方法具有提高后续ROI定位算法的定位精度和处理效率的优势。 (5)从ROI检测及识别的角度,提出了一种基于LMO-PCNN的拉曼光谱定性分析方法。首先,对LMO-PCNN模型进行了改进,并分析了模型神经元的动态行为和参数设置方法;然后,基于改进LMO-PCNN模型对拉曼光谱进行编码,并结合编码匹配方法和编码相似性测度,共同完成对拉曼光谱的定性分析。该方法避免了目前基于谱模板方法中待测样品拉曼光谱特征谱峰难以确定以及匹配分析冗余度高等不足,其定性分析中所需匹配的特征谱带由基谱库确定,且完成定性分析所需的谱带匹配次数仅为传统方法的1/3,对存储空间的要求也仅为后者的5.8%,具有更高的分析性能和更低的存储空间要求。


知网文化
【相似文献】
中国期刊全文数据库 前20条
1 顾晓东,郭仕德,余道衡;一种用PCNN进行图像边缘检测的新方法[J];计算机工程与应用;2003年16期
2 顾晓东,余道衡,郭仕德;关于PCNN应用于图像处理的研究[J];电讯技术;2003年03期
3 顾晓东,余道衡,张立明;时延PCNN及其用于求解最短路径[J];电子学报;2004年09期
4 宋寅卯,袁端磊;基于PCNN的迷宫最短路径求解算法[J];电路与系统学报;2005年03期
5 顾晓东,余道衡;PCNN的原理及其应用[J];电路与系统学报;2001年03期
6 顾晓东,郭仕德,余道衡;一种基于PCNN的图像去噪新方法[J];电子与信息学报;2002年10期
7 顾晓东,程承旗,余道衡;基于粗集与PCNN的图像预处理[J];北京大学学报(自然科学版);2003年05期
8 毕英伟,邱天爽;一种基于简化PCNN的自适应图像分割方法[J];电子学报;2005年04期
9 杨智勇,周琪云,周定康;基于PCNN的灰度图像边缘检测方法[J];计算机工程与应用;2004年21期
10 张军英,梁军利;基于脉冲耦合神经网络的图像融合[J];计算机仿真;2004年04期
11 顾晓东,张立明,余道衡;一定条件下PCNN动态行为的分析[J];计算机工程与应用;2004年19期
12 顾晓东,郭仕德,余道衡;基于PCNN的图像阴影处理新方法[J];电子与信息学报;2004年03期
13 顾晓东,张立明;PCNN与数学形态学在图像处理中的等价关系[J];计算机辅助设计与图形学学报;2004年08期
14 马义德,戴若兰,李廉;一种基于脉冲耦合神经网络和图像熵的自动图像分割方法[J];通信学报;2002年01期
15 马义德,史飞,李廉,安黎哲;一种基于脉冲耦合神经网络的脉冲噪声滤波器设计[J];生物医学工程学杂志;2004年06期
16 李国友,李惠光,吴惕华;改进的PCNN与Otsu的图像增强方法研究[J];系统仿真学报;2005年06期
17 张军英,樊秀菊,董继扬,石美红;一种改进型脉冲耦合神经网络及其图像分割[J];计算机工程与应用;2003年08期
18 顾晓东,郭仕德,余道衡;基于PCNN的二值文字空洞滤波[J];计算机应用研究;2003年12期
19 张军英,樊秀菊,董继扬,石美红;一种改进型脉冲耦合神经网络及其图像分割[J];电子学报;2004年07期
20 张志宏;马光胜;;PCNN模型参数优化与多阈值图像分割[J];哈尔滨工业大学学报;2009年03期
中国重要会议论文全文数据库 前8条
1 辛保军;张讲社;;基于自动波现象的PCNN模型及其应用[A];第九届全国光电技术学术交流会论文集(下册)[C];2010年
2 周一;陈义宗;;有限发散脉冲波PCNN及其应用[A];2009通信理论与技术新发展——第十四届全国青年通信学术会议论文集[C];2009年
3 赵仕杰;柏正尧;姚娜;李德俭;;基于简化PCNN模型及信息熵最大准则的生物细胞图像分割[A];中国仪器仪表学会第十一届青年学术会议论文集[C];2009年
4 ;Image Target Recognition Using Pulse Coupled Neural Networks Time Matrix[A];第二十六届中国控制会议论文集[C];2007年
5 李德俭;柏正尧;姚娜;赵仕杰;;一种基于二维直方图与FCM的图像分割方法[A];中国仪器仪表学会第十一届青年学术会议论文集[C];2009年
6 葛雯;高立群;;基于自适应链接强度PCNN的多分辨率图像融合算法[A];2008’“先进集成技术”院士论坛暨第二届仪表、自动化与先进集成技术大会论文集[C];2008年
7 杨林森;陶冰洁;;基于脉冲耦合神经网络的图像内容融合[A];全国第一届信号处理学术会议暨中国高科技产业化研究会信号处理分会筹备工作委员会第三次工作会议专刊[C];2007年
8 刘勍;应隽;马小姝;;三代人工神经网络发展及其哲学思考[A];第13届中国系统仿真技术及其应用学术年会论文集[C];2011年
中国博士学位论文全文数据库 前10条
1 王成;基于脉冲耦合神经网络的感兴趣区图像检测方法及应用[D];华南理工大学;2010年
2 李海燕;脉冲耦合神经网络及其在图像增强与人脸检测中的应用研究[D];云南大学;2010年
3 张红娟;基于PCNN的图像去噪和图像增强方法研究[D];兰州大学;2011年
4 李小军;PCNN改进模型及其在不变纹理检索和最短路径求解中应用[D];兰州大学;2012年
5 李波;基于图像分析的车辆识别与跟踪若干关键技术研究[D];华中科技大学;2011年
6 刘勍;基于脉冲耦合神经网络的图像处理若干问题研究[D];西安电子科技大学;2011年
7 魏伟一;非均匀光照图像的灰度校正与分割技术研究[D];兰州理工大学;2011年
8 梁晓冰;脉冲发放神经元及其耦合系统的随机模型研究与应用[D];国防科学技术大学;2009年
9 宫霄霖;基于小波变换的不规则邻域的数字图像去噪算法研究[D];天津大学;2010年
10 桑永胜;空间数据分析的神经计算方法[D];电子科技大学;2010年
中国硕士学位论文全文数据库 前10条
1 宋文强;车牌识别系统算法的研究[D];兰州大学;2010年
2 王新;PCNN混沌特性与硬件实现研究[D];兰州大学;2010年
3 国庆;车牌定位算法的研究[D];重庆大学;2010年
4 谷兵;基于PCNN的迷宫路径优化技术研究[D];湖南师范大学;2012年
5 牛海军;车牌检测与识别的研究与实现[D];复旦大学;2010年
6 徐涛;基于形态学增强的PCNN金相图分割[D];武汉科技大学;2010年
7 孙玉芹;车牌自动识别方法研究[D];吉林大学;2011年
8 闫青;车牌识别系统中车牌定位算法的研究[D];山东大学;2010年
9 吴秀丽;车牌识别系统的设计与实现[D];东北大学;2008年
10 何凯;基于改进型PCNN的图像混合噪声滤除方法[D];华南理工大学;2011年
 快捷付款方式  订购知网充值卡  订购热线  帮助中心
  • 400-819-9993
  • 010-62982499
  • 010-62783978