课程文献中心 更多>>

关键词： 脉冲耦合神经网络   图像分割   OTSU阈值PCNN  

摘要： 在20世纪90年代脉冲耦合神经网络（Pulse Coupled Neural Network, PCNN）是一种新型神经网络的技术,研究具有一定的应用价值。本文研究了PCNN的原理模型,针对特定的研究对象,对传统PCNN模型进行改进,并将其用于解决图像分割的技术中遇到的难题。 图像分割技术是图像处理中的关键步骤,也是一种基于计算机视觉原理的技术。其是把图像分割成具有不同特性的区域并提取出所需要目标的方法和过程。例如,将航空遥感照片分割后得到其中的森林、城市、道路和农田等。 OTSU算法是利用最大类间方差准则对图像像素进行阈值分割。提出了基于OTSU阈值的PCNN （OTSU Threshold PCNN, OTSU-PCNN）图像分割模型,该模型简化了传统的PCNN图象处理模型,为了减少参数选择算法模型改进了传统PCNN指数衰减的阈值门限。实验结果表明,该方法因不需循环确定PCNN阈值,所以比传统的PCNN分割方法在处理时间上更有效率。 本文主要研究了脉冲耦合神经网络在图像处理中的应用。首先在图像分割技术应用中,通过对OTSU阈值分割及PCNN工作机理的分析,对原始模型进行了改进,并提出了一种基于OTSU阈值的PCNN图像分割方法,避免了复杂的PCNN的阈值选择。论文将提出的模型用于部分典型图像的分割,将其分割结果与典型的分割方法和传统的基于PCNN的分割方法进行分析比较,并对结果进行分析。实验结果表明本文提出的OST-PCNN模型算法具有良好的分割特性。

关键词： 离散时滞神经网络   脉冲控制   随机扰动   Razumikhin方法   切换系统  

摘要： 在过去的几十年，神经网络的动力学分析因其重要的理论和实际意义，受到了各领域学者和专家的广泛关注。神经网络有着广泛的应用背景，与计算机、数字网络、嵌入式系统、以及人工智能等领域紧密相连。 在实际的工程应用中，神经网络的状态往往会在某些时刻经历突变。可以假设这些突变是在瞬间发生的，也就是说，以脉冲的形式出现。事实上，脉冲现象在实际动力系统的演化过程中非常常见，比如经济学模型或者生物系统模型。众所周知，脉冲可以给系统的动力学特征带来非常复杂的影响：一方面，脉冲信号可以作为一种扰动出现，也就是说，它们的发散作用可能破坏系统的稳定性，甚至导致振荡或者混沌;另一方面，当原系统不稳定时，脉冲可以作为控制信号，补偿其发散趋势，从而使原系统镇定。因此，研究脉冲如何影响系统的动力学特征，特别是稳定性特征就显得非常重要。 本文主要研究了受随机信号扰动时离散时间的时滞脉冲神经系统的全局指数稳定性。主要的创新点如下： ①介绍了Hopfield神经网络及其离散时间的数学模型。当系统不受脉冲作用影响时，以LMI的形式给出了一些新的稳定性判据。 ②考虑脉冲的发散作用，当原系统收敛到平衡点，且脉冲作为一种破坏稳定性的扰动出现时，求出了保持系统稳定性的合适的脉冲强度区间。 ③引入Lyapunov-Razumikhin理论，并应用到神经网络的动力学分析中。研究了脉冲信号对神经系统的镇定作用。 ④考虑了同时包含稳定的和不稳定的子系统的切换神经网络，并给出了这类系统的一些稳定性判据。 以上理论结果均用数值仿真实例得到了验证。本文的结果对实际的脉冲时滞神经网络的设计具有积极作用。

关键词： 智能交通系统   脉冲耦合神经网络   欧氏距离变换   特征提取  

摘要： 交通标志识别(TSR)作为智能交通系统(ITS)中的重要组成部分，对于实际交通环境而言，研究道路交通标志的自动识别方法有着积极的意义，选题对于车载视频识别技术的发展具有重要的理论价值和应用价值。 本文研究课题以脉冲耦合神经网络(PCNN)模型为理论基础，研究了提取图像边缘信息时PCNN参数的选择选取；在RGB HSV颜色空间理论模型的基础上，通过实验将所有交通标志分别在六种不同色彩通道下的对应PCNN提取的熵序列进行分类并通过三维曲面图的形式观察其效果；通过引入图像距离变换的概念，用简化PCNN模型实现了类欧几里得距离变换，并利用此识别方法通过实验搭建了一个道路交通标志识别系统。 利用PCNN的自动波扩散特性，采用简化PCNN模型产生类Euclidean距离图像作为分类特征，利用最小方差进行匹配分析，通过实验选取最佳PCNN参数。针对国家标准道路交通标志图像库GB5768-1999进行了实验，分析了实验结果，得出了简化PCNN的类Euclidean距离变换能够有效提取二值边缘图像的形状信息，优于传统PCNN熵序列的特征向量方法，类内区分效果更加明显的有关结论。 本文创新点在于提出了一种用于交通标志特征提取过程的简化PCNN网络模型，该模型提取原始图像对应边缘图像的距离变换图像作为识别的特征向量，并通过实验验证了利用该模型提取距离变换的方案的可行性。

关键词： ABCG2   Aptamer   BCS cell   Breast cancer   Endocytosis   Mammosphere  

摘要： Breast Cancer Stem (BCS) cells play critical roles in self-renewal, Multi Drug Resistance (MDR), differentiation and generation of secondary tumors. Conventional chemotherapy may efficiently kill the bulk of differentiated drug sensitive breast cancer cells, but not the MDR self-renewable BCS cells, leading to enrichment of the MDR BCS cells. In order to target the MDR BCS cells, we have isolated: 1) BCS cells from either breast cancer cell lines or fresh breast cancer specimens;2) ATP binding cassette (ABC) transporter group G number 2 (ABCG2)-specific aptamers;and 3) BCS cell-binding aptamers. Interestingly, ABCG2-specific aptamers labeled the membrane surface of the ABCG2-expressing baby hamster kidney (BHK) cells, but stained whole cells of the BCS cells derived from mammospheres, implying that BCS cells might have much higher rate of endocytosis than the ABCG2-expressing BHK cells. In addition, 5D3, a monoclonal antibody that recognizes the extracellular loops of ABCG2 protein, also stained whole BCS cells. Furthermore, BCS cell-binding aptamers stained whole BCS cells, but not the differentiated breast cancer MCF-7 cells. All these results support above conclusion that BCS cells might have high rate of endocytosis. Further experiments performed with aptamers and human transferrin or lactosylceramide showed that BCS cells do have much higher endocytosis rate than the differentiated breast cancer cells. Interestingly, clathrin dependent endocytosis inhibitors, such as monodansylcadaverine or sucrose, or caveolin-dependent endocytosis inhibitors, such as methyl-β-cyclodextrin or genistein, can inhibit the internalization of transferrin or lactosylceramide into the differentiated breast cancer cells, but cannot block the internalization of these compounds into the BCS cells, suggesting that BCS cells undergo clathrin-independent and caveolin-independent endocytosis. Taken together, our data suggest that BCS cells have high rate of endocytosis and open the possibil

关键词： 图像处理   真实影像再现   神经动力学   脉冲耦合神经网络   交叉视觉皮质模型  

摘要： 真实影像再现是为了使成像设备能够提供符合人眼生理视觉感知的理想图像的处理技术。生理学研究表明,即使在环境光照出现巨大变化的情况下,人类视觉系统也能够很好地对景物保持正确地感知。因此,在视觉系统研究的基础上指导图像处理研究,能够很好地促进图像处理和计算机视觉的发展。本文在视觉神经网络的框架下,提出一种脉冲耦合神经网络（Pulse Coupled Neural Networks, PCNN）与视网膜神经节细胞ON-OFF对抗机制相结合的真实影像再现算法。 PCNN是基于哺乳动物视觉原理构建的一种新型神经网络,其同步脉冲发放特性与全局耦合处理机制符合人眼视觉系统的生理学基础。被动膜方程（Passive Membrane Equation, PME）是对视网膜感受场中心-环绕对抗原理的一种神经动力学描述,提供了对视网膜神经节细胞ON-OFF对抗机制的一种模拟,非常适合彩色图像的增强;因此,将PCNN模型与PME相结合,指导真实影像再现,具有很高的理论价值和应用前景。本文的主要研究内容如下： 1.对几种基于视觉特性的真实影像再现算法进行研究分析,探讨所涉及的相关视觉特性,引入视网膜感受场的ON-OFF对抗机制,并深入分析各算法的优缺点;重点对Retinex系列算法和神经动力学算法进行分析讨论,Retinex符合视觉系统的特性,具有很好的颜色恒常性,神经动力学算法将视网膜中心-环绕对抗原理引入到真实影像再现领域,能获得更加逼真的效果,实验验证了算法的有效性。 2.对PCNN的原理及基本特性进行了详细描述,着重研究了PCNN增强算法,灰度及彩色图像的实验与分析表明PCNN增强算法符合人眼的视觉特性。 3.对PCNN简化模型—交叉视觉皮质模型（Intersecting Cortical Model, ICM）进行分析,在深入研究基础上对其改进并用于图像增强,实验验证算法的有效性。 4.在对神经动力学算法和PCNN算法深入研究的基础上,提出了一种PCNN与PME相结合的真实影像再现算法,将PCNN纳入神经动力学框架,从两者结合的意义、模型框架及性能属性等方面对PCNN-PME模型展开深入研究,实验验证了算法的有效性;针对模型中的关键参数进行详细地讨论,并通过相关实验得到了参数的最优取值范围。

关键词： particle-in-cell (PIC)   plasma flows   Monte Carlo (MC) method   coordinate transformation   Poisson's equation   Boltzmann relation  

摘要： Particle-in-cell (PIC) technique is a widely used computational method in the simulation of low density collisionless plasma flows. In this study, a new two-dimensional (2-D) electrostatic particle-in-cell solver is developed that can be applied to non-rectangular configurations.

关键词： 掌纹识别   Gabor小波   脉冲神经网络   粒子群优化算法   支持向量机  

摘要： 手掌是指手指末端到手腕之间的掌心区域,掌纹则是手掌内部皮肤上所有纹线的统称,主要包括褶皱、主线和乳突纹。这些线不仅包含丰富的纹理和方向信息,而且具有可靠性、稳定性和唯一性等特点,使得掌纹发展为一项重要的,可用于身份识别和验证的生物特征。掌纹识别是通过提取手指末端到手腕之间的手掌图像的纹理特征来进行身份识别的一种方法,是近几年才提出的一种较新的生物特征识别技术。相对于指纹图像和虹膜图像,掌纹图像具有对采集设备要求低,成像分辨率不高等优点,而且在图像的采集过程中,掌纹更容易被用户接受。由于这些优点,掌纹识别技术受到越来越多的研究者们的关注,迅速成为了图像处理与模式识别领域的一个新的研究热点。 本文详细分析了掌纹图像的特点,并在对掌纹识别系统和掌纹识别关键技术研究的基础上,提出了两种新的掌纹识别算法,主要的贡献和创新有以下几点： 1、为了缓解现存的基于纹理特征的掌纹识别算法在图像采集过程中光照、位置和方向的变化对识别率的影响,我们提出了一种掌纹图像光照、位置与方向的归一化方法。我们的方法基于积分光密度、矩与中心二阶矩对掌纹图像进行光照、位置与方向的归一化。该方法效果明显优于现有的预处理方法,它不仅最大化的提取了掌纹图像的有用信息,而且在一定程度上确保了掌纹识别的光照,位置和方向的三不变性。 2、提出了基于Gabor小波变换和粒子群优化算法(PSO)的掌纹识别算法。该算法首先对图像基于积分光密度、矩与中心二阶矩进行进行光照、位置与方向的归一化,接着进行Gabor变换,然后提取Gabor子带的均值、方差和熵组成向量,接着这个向量作为粒子通过粒子群优化算法(PSO)提取特征,最后采用支持向量机(SVM)进行相似性度量。实验结果表明,该算法的识别率和对光照、位置和方向变化的鲁棒性都明显高于现有的基于纹理和Gabor滤波方法的识别算法。 3、提出了基于Gabor小波变换和脉冲神经网络(PCNN)的掌纹识别算法。该算法首先对图像基于积分光密度、矩与中心二阶矩进行进行光照、位置与方向的归一化,接着进行Gabor变换,然后利用脉冲神经网络将Gabor子带变换为一系列的二值图像,并计算这些二值图像的信息熵作为特征,最后采用支持向量机(SVM)进行相似性度量。实验结果表明,该算法在识别率和对光照、位置和方向变化的鲁棒性等方面都明显高于现有的基于纹理和Gabor滤波方法的识别算法。

关键词： 裂缝检测   脉冲耦合神经网络   最小误差准则   ROC曲线  

摘要： 表面裂缝检测能够有效判断混凝土桥梁出现的结构性危险.但裂缝特征的多样性、桥梁表面污点引起的图像噪声以及不均匀照明引起的灰度不均等给裂缝检测带来极大的困难.为能够在复杂背景下检测裂缝,分析裂缝图像特征,由脉冲耦合神经网络(pulse coupled neural networks,PCNN)的运行特征和神经元的状态变化分析简化PCNN模型,将简化PCNN模型用于裂缝图像的分割,根据最小误差准则判断PCNN迭代的终止条件,实现了PCNN的裂缝图像自动分割.由圆形度与扁度结合计算区域特征,去除分割后的各种干扰,实现表面裂缝的有效检测.通过敏感度和特异性计算绘制ROC(receiver operating characteristics)曲线,比较不同分割方法的曲线特性以评估算法,对实际裂缝图像的处理结果表明了该方法对裂缝图像检测的有效性.

关键词： 脉冲耦合神经网络   边缘时间序列   图像二值化   商标检索   密度分布函数  

摘要： 众所周知,大脑皮层是生物机体感受的最高级中枢,是视觉系统处理图像信息的关键部位。模拟和仿制人或哺乳动物的视觉系统一直是国内外计算机视觉和模式识别研究领域的热点课题。从这一科研课题出发,来设计一种更加符合人类视觉系统的计算机结构模型,构造出一种更加接近人类大脑皮层的处理系统来解决实际工程和科研领域中的冯·诺依曼计算机难以解决的问题,脉冲耦合神经网络（Pulse Coupled Neural Network, PCNN）在20世纪90年代也就应运而生。 PCNN（Pulse Coupled Neural Network）首次利用了神经元特有的线性相加和生物神经元特有的非线性相乘调制两种特性,是一种不同于传统神经网络的新一代人工神经网络。概括起来PCNN具有同步脉冲发放现象、动态脉冲发放现象、捕获特性、阈值动态特性、非线性调制特性和综合时空特性,能够很好地模拟生物神经元的脉冲激励、疲劳和不应期等现象。因此,使得它能够很好的去模拟实际的生物神经元,对信号的处理能力也变得更强。目前,PCNN也被广泛应用于图像处理的各个领域,显示出独特的优越性,对其进行更加深入的研究具有重要的理论和现实意义。 本文对PCNN模型及基本原理进行了一些研究探讨。利用PCNN在图像分割和图像二值化方面的优势,再分别结合直方图均衡化与密度分布函数,提出了两种商标图像检索的方法,并将其作为相似性形状的判别准则,也应用到商标图像的检索中。本文所做的研究工作及其已经取得的研究成果主要在以下几个方面： 一、综述脉冲耦合神经网络的经典模型及原理;改进后的PCNN模型。 二、分析了PCNN在图像检索和图像分割方面的应用及其原理。 三、结合PCNN图像分割技术和直方图均衡化技术,提出了一种有效的图像预处理算法,以减小颜色对于商标灰度分布差异产生的影响。然后在PCNN模型中提出了边缘时间序列概念,并用于提取商标图像的形状特征,最终实现了商标图像的快速有效检索。 四、分析了PCNN的图像二值化算法及其应用研究 五、提出了一种结合脉冲耦合神经网络模型（PCNN）和区域形状特征（密度分布特征）的商标检索新方法。利用PCNN的图像二值化把商标图像分割成黑白的二值图像,提取出图像的目标形状区域,以忽略颜色对于商标图像检索产生的影响;在所得到的二值黑白图像中提取目标区域的密度分布特征,用于描述商标图像的目标区域在空间中的分布特性,最终实现了商标图像的快速有效检索。该方法可有效地检索出了与待检索商标图像对应的商标图像,可很好地适应商标图像的颜色变化、平移变化、角度旋转和局部形状变化,体现了较好的检索性能。

关键词： 单位连接脉冲耦合神经网络   直方图   最优阈值   边缘乘积互信息准则   三维单位连接脉冲耦合神经网络   三维整体分割  

摘要： 图像分割是按照特定的规则把图像划分成若干个互不相交、满足一定性质的区域,每个区域都满足某些特征在该区域内的一致性或相似性。图像分割在目前的研究现状是,其被公认为图像理解和计算机视觉领域国际学术界的将会长期存在的最困难问题之一,到目前为止,虽诞生了很多种分割方法,但目前仍不存在一种通用的对任意图像都适合的算法。对图像进行分割常见的方法有基于边缘的检测算法、阈值分割法、区域生长分割法、坐标映射分割法、基于神经网络实现分割法等。其中神经网络是在现代生物学基础上提出的反应生物神经某些特性、模拟生物过程的一种计算结构,在图像处理上其具备某些天然的优势。特别是将单位连接脉冲耦合神经网络用于图像分割时,它完全依赖于图像的自然属性,不用对处理空间范围提前选择,也无须任何训练,且不用考虑对脉冲耦和神经网络参数的选择。相对于经典活动轮廓模型、水平集、聚类算法等其它先进的图像分割算法,单位连接脉冲耦合神经网络在保证分割精度的同时,在执行效率上体现了一定的优势。 本文研究基于单位连接脉冲耦合神经网络的图像分割,将直方图应用到了神经元脉冲捕捉时的阈值选取中,提出了一个新的图像分割效果评价标准,还将提出的基于直方图和边缘乘积互信息准则的单位连接脉冲耦合神经网络模型用于图像的三维空间整体分割。论文的主要工作和贡献包含以下几个方面： 1.将直方图和单位连接脉冲耦合神经网络结合,提出了一种基于直方图阈值选择的单位连接脉冲耦合神经网络图像分割方法。该方法充分利用到了原图像的灰度先验分布,解决了单位连接脉冲耦合神经网络在图像分割时的最优阈值选取问题,同时,和传统的多阈值分割方法相比,这种方法充分利用到了目标的空间位置信息,在目标和背景存在像素灰度级差距小的情况下,可分割出目标,从而大大提高了图像分割的精度。 2.提出了一个全新的图像分割效果标准-----边缘乘积互信息准则。该标准不需要人工参与,依靠计算机对边缘乘积互信息值的计算实现图像分割效果评价。单位连接脉冲耦合神经网络在图像分割的整个迭代过程中,如何判别背景和目标的最佳分离时刻,是保证图像分割效果的关键因素。现有的评价方法中,互信息作为PCNN最优分割的标准取得了很好的效果,被广泛应用于图像分割中。但是,在图像背景和目标交叉模糊的情况下,该准则对图像细节分割的效果欠佳,而且互信息会涉及到大量的浮点运算,过程复杂费时。边缘乘积互信息准则引入了图像的边缘信息,同时简化了互信息中的对数运算,在分割结果上,我们的方法能更好地保留图像的边缘细节信息,同时运行时间也得到了大大的减少,提高了图像分割的效率。 3.将提出的基于直方图和边缘乘积互信息准则的单位连接脉冲耦合神经网络模型用于图像的三维空间整体分割。三维整体分割方法,充分利用了三维空间的位置信息。在三维空间直接进行分割,对每个像素点的处理都考虑到了其周围三维空间的其他像素点的特征,其结果也会关系到空间中相邻其他像素的分割,从而影响到整个三维图像的分割结果。这种方法与三维Otsu方法相比,在分割精度上有所提升,同时和三维脉冲耦合神经网络相比,三维单位连接脉冲耦合神经网络模型更为简单,模型参数选择更为容易,硬件实现更方便。