收藏本站
收藏 | 手机打开
二维码
手机客户端打开本文

Unit-Linking PCNN彩色图像处理研究

薛锦树  
【摘要】: 人的直观性思维是将分布式存储的信息综合起来,其根本点在于:1、信息是通过神经元上的兴奋模式分布储存在网络上;2、信息处理是通过神经元之间同时相互作用的动态过程来完成的。从模仿人脑智能的角度出发,构造出一种更加接近人类智能的信息化处理系统和设计一种全新的计算机处理机构模型来解决实际工程和科学研究领域中的冯·诺依曼计算机难以解决的问题,这就促使了人工神经网络的诞生。 脉冲耦合神经网络(Pulse Coupled Neural Network-PCNN)是一种有着生物学背景且不同于传统人工神经网络的新一代人工神经网络。PCNN利用了神经元特有的脉冲发放、双通道相乘调制、阈值动态可变的特性,很好地模拟了生物神经元的疲劳、不应期和脉冲激励现象,这样PCNN模型向生物实际神经网络更靠近了一步,其对周围信号的处理能力就更强,近年来受到大量研究者的密切关注。它可应用于图像处理、模式识别、优化等领域。在图像处理领域,PCNN显示出了独特的优越性,特别是图像分割和边缘检测,一直都是图像处理研究的热点。 本文对PCNN模型进行了深入的研究,利用Unit-Linking PCNN模型进行彩色图像分割;利用PCNN简化模型对彩色图像分割后再利用Unit-Linking PCNN模型对彩色图像实施边缘检测。本文主要解决了PCNN简化模型关键参数选择困难、彩色图像分割和边缘提取质量等问题。 本文所做的研究工作以及所取得的研究进展主要在以下几个方面: 一、综述了PCNN和改进后的通用PCNN模型和原理;单位链接脉冲耦合神经网络(Unit-Linking PCNN)模型和原理。 二、提出了一种基于HSI颜色空间的彩色图像分割方法。彩色图像被分解成彩色通道和亮度通道后,对彩色通道采用Unit-Linking PCNN的分割算法进行分割,对亮度通道采用最大类间方差阈值算法进行分割,然后将分割后的结果合并后得到最终分割结果。实验表明,将彩色分量和亮度分量采用不同的方法分割合并后得到了很好的效果,解决了RGB空间相关性高的问题。 三、提出了一种特殊的彩色图像预处理方法。将彩色图像从RGB空间转化到HSV空间,对亮度分量V进行对数变换后转换回RGB空间,增强了图像目标和背景的对比度,改善了图像的视觉效果,将图像转换成更适合于人眼观察和机器分析识别的形式,从图像中获取更有用的信息,提高了最终彩色图像分割和边缘检测的效果。 四、在彩色图像分割的过程中利用遗传算法进行PCNN模型关键参数的自动选择,避免了参数繁多,设置困难,结果对参数敏感的问题。 五、采用偏态指标作为分割计算中的评价准则。与最大熵和交叉熵相比,最小偏态指标法和Ostu法的计算量相当,而最大熵和交叉熵准则由于涉及到对数运算,所以速度较慢。 六、在彩色图像边缘检测中,提出了一种对R、G、B三个分量的二值分割图对应的边缘检测图采用加权合并策略的合并方法,从而减少了一些破碎的边缘。


知网文化
【相似文献】
中国期刊全文数据库 前20条
1 顾晓东,程承旗,余道衡;基于PCNN的二值图像细化新方法[J];计算机工程与应用;2003年13期
2 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
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 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
5 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
6 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
7 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
8 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
9 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
10 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
11 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
12 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
13 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
14 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
15 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
16 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
17 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
18 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
19 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
20 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
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 邓翔宇;PCNN机理研究及其在图像处理中的参数自适应设置[D];兰州大学;2013年
2 聂仁灿;脉冲耦合神经网络关键特性的理论分析及应用研究[D];云南大学;2013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
6 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
7 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
8 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
9 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
10 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
中国硕士学位论文全文数据库 前10条
1 王新;PCNN混沌特性与硬件实现研究[D];兰州大学;2010年
2 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
3 唐宁;PCNN的优化及在医学图像分割中的应用研究[D];南方医科大学;2012年
4 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
5 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
6 钟子龙;PCNN图像压缩编码的改进和研究[D];兰州大学;2014年
7 薛锦树;Unit-Linking PCNN彩色图像处理研究[D];云南大学;2010年
8 许乐;基于小波变换和简化型PCNN的多聚焦图像融合研究[D];云南大学;2014年
9 高明俊;基于智能计算和PCNN的图像处理与检索识别技术研究[D];山东财经大学;2012年
10 徐洁;基于PCNN的彩色图像特征捆绑模型构建方法的研究[D];太原理工大学;2013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