学位论文 > 优秀研究生学位论文题录展示

PCNN机理研究及其在图像处理中的参数自适应设置

作　者: 邓翔宇
导　师: 马义德
学　校: 兰州大学
专　业: 无线电物理
关键词: PCNN模型 神经元点火机理 参数自适应设置 改进PCNN模型 图像分割 边缘检测 图像去噪
分类号: TP391.41
类　型: 博士论文
年　份: 2013年
下　载: 57次
引　用: 0次
阅　读: 论文下载
 

内容摘要


PCNN(脉冲耦合神经网络)模型由于其神经元的同步脉冲发放特性和捕获特性,被广泛应用于数字图像分割、边缘检测、噪声滤除、图像增强、检索等处理,成为生物医学影像分析、遥感遥测图像处理、军事目标检测、交通图像处理等领域研究热点。在不断改善PCNN图像处理特性的同时,也存在着一些关键性难点成为国内外研究者共同关注的问题,其中PCNN模型自身数学特性的分析、模型参数的自适应设置对神经元特性的影响等是目前研究的难点和热点。本文从PCNN模型的系统方程出发,利用数学迭代法和离散系统分析法,对无耦合连接和耦合连接两种状态下的PCNN模型进行神经元点火机理分析,给出神经元点火时刻的数学表达式及其修正公式,同时揭示了PCNN模型本身的数学耦合特性——点火阶梯特性,以及其对网络生物学特性造成的覆盖现象,并对这种现象产生的机理和消除方法进行了分析,在此基础上分析了神经元点火特性受邻域神经元点火状态影响的情况,给出神经元点火时刻提前量数学表达式,进一步提出基于消除PCNN模型数学耦合特性和最大灰度值最小时刻点火两个约束条件的PCNN参数自适应设置方法。在完成神经元点火时刻受网络参数以及邻域神经元点火状态影响规律研究的基础上,本文提出一种PCNN的改进模型,并将其分别用于图像分割和噪声滤波中,同时也提出了一种基于PCNN的图像边缘检测新模型,并针对这三种图像处理,分别进行了参数自适应设置的分析和讨论。论文的主要工作如下：1.通过对PCNN模型离散方程的数学分析,给出了无耦合连接和耦合连接时神经元点火时刻的数学表达式及其修正公式,揭示了神经元理论点火时刻与实际点火时刻不一致的现象,提出了“数学耦合点火”和“点火阶梯图”的概念,并对神经元点火阶梯特性与网络参数之间的关系进行了详细分析；2.分别从本神经元点火时刻受点火阶梯的影响以及邻域神经元对本神经元的耦合作用受点火阶梯的影响两个角度,分析了PCNN模型数学耦合特性对网络生物学特性的影响情况,详细讨论了这种干扰和影响产生的机理,提出了消除模型数学耦合特性的参数自适应设置方法,并对算法性能进行了分析；3.对PCNN模型进行参数的规整,进一步对模型中的调制子系统进行调幅过程的模拟,分析了调制子系统参数设置对网络脉冲发放特性的影响情况,提出了一种具有“精细”脉冲发放特性的改进PCNN模型,并对改进模型的特性进行了分析,提出了参数自适应设置的方法；4.将上面提出的具有“精细”脉冲发放特性的改进PCNN模型应用于图像分割和噪声滤波中,针对于不同的应用完成了参数自适应设置的讨论,同时也提出了一种基于PCNN的图像边缘检测新模型,并给出了参数自适应设置的方法。

全文目录


中文摘要  3-5
Abstract  5-9
第一章 绪论  9-14
  1.1 研究现状与发展  9-10
  1.2 PCNN用于图像处理的关键技术  10-12
  1.3 论文主要贡献  12
  1.4 论文章节安排  12-14
第二章 PCNN模型及其点火机理  14-35
  2.1 PCNN网络数学模型  14
  2.2 无耦合连接PCNN点火机理  14-27
    2.2.1 迭代分析法  15-17
    2.2.2 经典差分方程法  17-21
    2.2.3 点火时刻阶梯特性分析  21-24
    2.2.4 参数对点火阶梯的影响  24-27
  2.3 耦合连接PCNN点火机理  27-34
  2.4 本章小结  34-35
第三章 PCNN模型参数自适应设定  35-42
  3.1 数学耦合特性的消除  35-37
  3.2 无数学耦合特性PCNN的参数设定  37-41
    3.2.1 参数自适应设定算法  37-38
    3.2.2 算法性能分析  38-41
  3.3 本章小结  41-42
第四章 PCNN模型的改进  42-48
  4.1 模型参数的规整及分析  42-45
  4.2 改进模型特性分析  45-47
  4.3 本章小结  47-48
第五章 PCNN模型在图像处理中的应用  48-87
  5.1 PCNN用于图像分割  48-56
    5.1.1 图像分割概述  48
    5.1.2 自动图像分割算法  48-50
    5.1.3 实验仿真及分析  50-56
  5.2 PCNN用于图像边缘检测  56-66
    5.2.1 图像边缘检测概述  56-57
    5.2.2 PCNN边缘检测模型及自适应算法  57-59
    5.2.3 实验仿真及分析  59-66
  5.3 PCNN用于图像去噪  66-86
    5.3.1 图像噪声概述  66-68
    5.3.2 PCNN自适应脉冲噪声的滤除  68-75
    5.3.3 实验仿真及分析  75-86
  5.4 本章小结  86-87
第六章 结论  87-89
  6.1 主要结论  87
  6.2 研究展望  87-89
参考文献  89-98
在学期间的科研成果  98-99
致谢  99

相似论文

  1. 森林防火系统中图像识别算法的研究,TP391.41
  2. 医学超声图像去噪方法研究,TP391.41
  3. 数字图像处理在集装箱检测中的应用研究,TP274.4
  4. 个性化人工膝关节设计及其生物力学特性研究,R318.1
  5. 基于图像处理技术的烟叶病害自动识别研究,S435.72
  6. 基于机器视觉的光纤几何参数检测研究,TN253
  7. 红外图像目标识别及跟踪技术研究,TP391.41
  8. 基于可视特征的彩色图像分割方法及应用研究,TP391.41
  9. 基于水平集区域分割的医学图像融合算法研究,TP391.41
  10. 基于多尺度几何分析的医学超声图像去噪算法研究,TP391.41
  11. 基于LiDAR点云与CCD影像的建筑物特征提取,P225.2
  12. 交通视频中车辆异常行为检测及应用研究,TP391.41
  13. 轮廓波变换及其在图像处理中的应用,TP391.41
  14. 肝脏移植术前计算机辅助规划关键技术的研究,TP391.41
  15. 基于CCD探测技术的棉花“三丝”自动剔除系统研究,TP391.41
  16. 基于参数活动轮廓模型的医学图像分割方法研究,TP391.41
  17. 基于图像处理的棒材计数的开发研究,TP391.41
  18. 基于GPS导航的嵌入式鱼群探测器的研究与开发,TN967.1
  19. 基于中介真值程度度量的图像分割方法研究,TP391.41
  20. 数码相机中Bayer格式数字图像的降噪与颜色插值算法的研究,TP391.41
  21. 智能交通系统中运动目标检测技术的研究,TP391.41

中图分类: > 工业技术 > 自动化技术、计算机技术 > 计算技术、计算机技术 > 计算机的应用 > 信息处理（信息加工） > 模式识别与装置 > 图像识别及其装置
© 2012 www.xueweilunwen.com