课程文献中心 更多>>

关键词： Cohen-Grossberg neural networks   Exponential stability   S-delays  

摘要： We study impulsive Cohen-Grossberg neural networks with S-type distributed delays. This type of delays in the presence of impulses is more general than the usual types of delays studied in the literature. Using analysis techniques we prove the existence of a unique equilibrium point. By means of simple and efficient Lyapunov functions we present some sufficient conditions for the exponential stability of the equilibrium. © 2011 Mathematical Institute, Slovak Academy of Sciences.

关键词： 脉冲耦合神经网络   参数估计   图像分割   人脸检测  

摘要： 20世纪90年代,脉冲耦合神经网络(Pulse Coupled Neural Network—PCNN)作为一种新型的神经网络得以发展。PCNN有着生物学背景,它的神经元模型是因为模拟视觉神经细胞活动而得到的人工神经元模型。由于PCNN在弱连接的情况下,它具有尺度不变性、旋转不变性、信号强度不变性、信号扭曲不变性以及在图像处理的同时将二维空间变量转化为一维时间序列等特点,使它非常适合图像处理环境。其应用领域涉及到多个方面,比如图像分割、图像的目标识别、运动目标识别、人工生命、决策优化等,受到了国内外学者的重视,已经成为图像处理的工具之一 本文对PCNN模型参数估计及其图像分割和基于PCNN与肤色模型的人脸检测两个图像处理领域做了一定的研究。 在图像分割方面,通过对PCNN工作机理进行分析,再对原始的PCNN模型进行了简化,利用简化的PCNN进行图像分割。然而,在原来的大部分相关研究文献中模型的参数多由实验人工确定。因此在这里首先利用小波分析对图像进行多层分解,然后,用分解的低频系数重构图像作为模型链接权参数W的估计,再用一种最佳阈值方法估计阂值θ,最后用最大相关准则确定网络计算的迭代次数N,在这里,除了β,所有的参数都由相应的算法决定,成功实现了图像的自动分割。实验结果与相关的文献相比较,图像的分割细节取得了较大的改善,图像的分割质量也得到比较大的提高。 在人脸检测方面,本文针对单纯采用肤色检测容易误检出具有肤色特征的非人脸区域,设计出了基于PCNN和肤色模型的检测方法。首先对于彩色图像的预处理提出一种白平衡算法进行光照补偿,该方法能修正外部光线所产生的误差,更利于肤色区域的分割。然后把经过光线补偿处理后的彩色图像从RGB转换到YCbCr色彩空间并将此图像在YCbCr空间进行肤色分割,并将得到的肤色区域分割成子块,最后用PCNN来提取各个子块的点火时间序列,计算目标人脸和待测图像中各个子块的区别度,区别度最小的便是与目标人脸中的人为同一个人。该方法普遍适用于不同焦距的人脸检测。对以上算法进行了大量的实验验证,效果良好。

关键词： 语音识别   谱减法   语谱图   脉冲耦合神经网络   熵序列  

摘要： 随着计算机不断向便携化发展及其环境的日趋复杂化,人类迫切希望摆脱键盘的束缚而代之以一种更便捷、自然、有效的输入方式与计算机进行交流。语音识别技术正是在这样的环境中发展起来的。语音识别技术是使计算机根据语音执行相应的命令,为人类服务。目前,语音识别技术已经得到广泛应用。它在家电产品、智能玩具、商业系统的数据库语音查询、工业生产部门的语声控制、电话与电信系统的自动拨号等领域发挥重要的作用,并且极有可能成为下一代操作系统界面。 语音识别技术虽然取得了长足的进步,但仍有许多问题有待研究解决,噪声环境下的特定人识别即是其中之一。在实验室环境下的特定人识别系统已经具有较高的识别率,但人们在语音通信过程中不可避免地会受到来自周围各种噪声的干扰,这些干扰导致系统识别率显著降低。基于谱减法计算简单,容易实现的优点,为了提高特定人语音识别系统在噪声环境下的识别率,本文采用谱减法进行语音去噪,同时为了有效抑制谱减法去噪时产生的“音乐噪声”问题,本文在典型谱减法的基础上作了一定的改进。实验结果表明,改进型谱减法能有效的抑制噪声的干扰,且没有产生过多“音乐噪声”,并使系统的识别率得到大幅度提高。特征参数是语音识别系统的基础。特征参数应能完全、准确地表达语音信号所携带的全部信息。对于语音识别系统来说,如何选取能够唯一表征语音的有效且可靠的特征参数,是系统的关键问题之一,直接关系到系统的优劣性和系统的识别率。本文运用脉冲耦合神经网络从语音信号的频谱图中提取熵序列作为系统的特征参数,并将其与常用的线性预测倒谱系数和美尔倒谱系数作对比。实验结果表明,熵序列大大降低了系统数据量,使系统具有较好的实时性和识别率。 本文首先介绍研究背景及语音识别的国内外研究现状,简要介绍了语音识别的理论基础及语音学的基础知识。接着对语音识别系统中预处理、特征参数提取、识别模型进行详细介绍。针对在噪声环境下识别率偏低的问题,采用了改进型的谱减法进行语音去噪。文中还介绍了运用脉冲耦合神经网络提取熵序列作为特征参数的方法。最后,根据采用的方法实现了特定人语音识别系统。

关键词： 北沙参   毛细管电泳   异欧前胡素   LC-MS-MS   微生物转化   代谢   香豆素   抗脑衰  

摘要： 北沙参为伞形科植物珊瑚菜Glehnia littoralis *** ex Miq.的干燥根,为临床常用中药。中国药典记载其具有养阴清肺,益胃生津的功效,可用于肺热燥咳,劳嗽痰血,热病津伤口渴等症。香豆素是北沙参中的一类主要活性成分。本研究以北沙参为载体,以香豆素类成分为研究对象,以高效液相色谱质谱联用（HPLC-MS）和高效毛细管电泳（HPCE）技术为分析手段,探讨复杂体系中中药成分与其代谢物研究的方法学。采用HPCE技术对北沙参中的香豆素类成分进行分析,为北沙参的质量控制提供新的手段;采用HPLC-MS技术测定大鼠灌胃北沙参提取物后尿液和胆汁中的香豆素类成分,并用于排泄研究;利用微生物转化法分离与制备北沙参主要香豆素成分之一异欧前胡素的转化产物;采用HPLC-MS技术鉴定大鼠尿液、粪便、胆汁和血浆以及微生物转化液中异欧前胡素的代谢物,并探讨体内代谢与微生物转化的相关性。 抗脑衰胶囊由人参、制何首乌、党参、黄芪、熟地黄、山药、丹参、黄芩、枸杞子、白芍、远志、茯神、石菖蒲、葛根、酸枣仁、麦冬、龙骨（粉）、香附、菊花等19味中药材组成。用于因肾精不足、肝气血亏所引起的精神疲惫、失眠多梦、头晕目眩、体乏无力、记忆力减退。本研究建立了专属、灵敏、快速的HPLC-MS法测定抗脑衰胶囊中的有效成分,并对不同批次的抗脑衰胶囊进行了质量分析与评价,为其质量控制与药效物质基础的阐明提供了有效分析方法。 第一部分胶束电动毛细管电泳同时测定北沙参中5种香豆素类成分 目的:建立同时分离、测定北沙参中补骨脂素、花椒毒素、异茴芹内酯、佛手柑内酯和东莨菪内酯5种香豆素类成分的胶束电动毛细管电泳法,并用于北沙参药材分析。 方法:采用未涂层融硅石英毛细管柱（50.2 cm×75μm×40 cm）,20 mmol/L硼砂溶液-16 mmol/L十二烷基硫酸钠（SDS）-15%乙腈（pH 9.6）为运行缓冲液,分离电压22 kV,紫外检测波长214 nm。对缓冲液种类、浓度、pH、SDS、乙腈浓度、电压、温度等因素对分离的影响做了系统的考察。并采用所建立的方法对不同产地的16批北沙参药材进行分析。 结果:补骨脂素、花椒毒素、异茴芹内酯、佛手柑内酯和东莨菪内酯在7 min内全部分离,线性范围分别为9.91～82.6、37.2～162、2.23～18.6、2.73～22.3和2.89～20.1μg/mL,平均回收率分别为98.9%,98.4%,101.3%,99.1%和98.0%。 结论:该方法简便、快速、灵敏、准确,为北沙参药材的质量评价提供了新的手段。 第二部分大鼠尿和胆汁中9种香豆素类成分的HPLC-MS法同时测定及排泄研究 目的:建立同时测定大鼠尿和胆汁中9种香豆素类成分含量的HPLC-MS方法,并用于排泄研究。9种香豆素类成分分别为东莨菪内酯、花椒毒酚、花椒毒素、补骨脂素、异茴芹内酯、佛手柑内酯、氧化前胡内酯、欧前胡素和异欧前胡素。 方法:大鼠灌胃给与北沙参提取物（10 mL/kg）后,分别收集不同时间段的尿和胆汁。尿和胆汁均采用液-液萃取以乙酸乙酯为溶剂进行预处理,以茴芹内酯为内标。液相色谱柱为C18柱,流动相为1 mmol/L的醋酸铵-甲醇,梯度洗脱。质谱检测采用电喷雾离子源（ESI）,正离子扫描,多反应监测（MRM）模式。9种被测成分的监测离子对分别为东莨菪内酯m/z 193.1/133.0、花椒毒酚m/z 203.2/147.1、花椒毒素m/z 217.2/202.0、补骨脂素m/z 187.2/131.1、异茴芹内酯m/z 247.1/217.0、佛手柑内酯m/z 217.1/202.0、氧化前胡内酯m/z 287.2/203.1、欧前胡素m/z 271.1/203.2、异欧前胡素m/z 271.1/203.2和茴芹内酯m/z 247.1/232.1。 结果:所有的标准曲线在线性范围内线性关系良好（r≥0.9982）,日内、日间精密度的相对标准偏差（RSD）均小于8.7%,相对误差（RE）为-9.4%7.1%。平均提取回收率为85.2 %110.0%。9种香豆素类成分在尿中60小时内基本排泄完全,在胆汁中16小时内基本排泄完全,且9种成分以原型形式的排泄量均低于15%。 结论:该法灵敏度高、选择性好、精密度好,适用于大鼠灌胃北沙参提取物后尿和胆汁中9种香豆素类成分的排泄研究。 第三部分异欧前胡素的微生物转化研究 目的:研究异欧前胡素的微生物转化,分离鉴定转化产物。 方法:从15种真菌中筛选出对异欧前胡素有转化能力的菌株,从中选出1株转化能力最强的菌株进行转化放大实验。分别采用硅胶和制备高效液相色谱等技术分离纯化转化产物,通

关键词： 脉冲耦合神经网络   单类支持向量机   不变特征提取   纹理检索  

摘要： 基于内容的图像检索技术是目前图像检索领域广泛研究和应用的热点,其关键问题是提取具有平移、旋转和尺度等不变性的图像特征,因而基于不变特征的图像检索有着广阔的研究前景。脉冲耦合神经网络的输出包含了原始激励的唯一性特征,其特别适合不变特征提取。支持向量机解决了小样本和维数灾难等问题,并且能够得到全局最优解,特别是单类支持向量机的出现很好地解决了单类问题,目前已被广泛应用于图像检索中。本文在分析研究现有纹理图像检索理论的基础上,提出了一种脉冲耦合神经网络和单类支持向量机相结合的纹理图像检索系统。本文主要研究工作如下： (1)系统地介绍了不变特征检索技术的内容、方法及发展现状,分析了不变特征检索的关键技术,学习和探讨了脉冲耦合神经网络模型和单类支持向量机的基本原理和应用,为本文的研究算法提供理论依据。 (2)提出了基于脉冲耦合神经网络和单类支持向量机的几何不变性纹理检索系统。首先采用脉冲耦合神经网络对目前普遍研究的纹理图像进行不变特征提取,然后采用单类支持向量机对这些脉冲特征进行分类检索。实验中对发生不同旋转角度和尺度变换的纹理图像进行检索,实验结果显示了本文提出的检索系统具有较好的旋转和尺度不变性。 (3)对基于脉冲耦合神经网络和单类支持向量机的纹理检索系统进行了抗噪性实验。实验中对加入不同类型和不同程度噪声的纹理图像进行检索,实验结果证明了本文提出的检索系统对各种噪声的抗噪性能较强。 总之,脉冲特征和统计学习理论的结合在图像检索领域中具有广阔的应用前景。

关键词： 图像融合   非下采样contourlet变换   咏冲耦合神经网络   Scharr算子   局部空间频率  

摘要： 图像融合的目的是为了得到符合人眼视觉感知的综合图像。目前，小波变换因具有良好的视觉多尺度性和时频局部特性，而广泛应用于图像融合领域。但是对于二维图像数据结构，占据很重要地位的直线、曲线以及边缘方向等细节信息，小波变换不能有效表示。多尺度几何分析中非下采样contourlet变换(NonsubsaJnpled contourlet transfbrm，NSCT)被称为真正的图像最稀疏表示。它继承小波的多尺度性与时频局部性，又有多方向性与各向异性，同时解决了contourlet变换由于次采样而造成的振铃效应而具有平移不变性。咏冲耦合神经网络(*** Neural’Networks，PcNN)由于具有哺乳动物视觉系统神经细胞信息处理和信号传导原理而被应用到图像融合领域。因此把多尺度下的’NSC’T与PcNN进行结合的融合方法具有较大的应用价值，也是本文研究的重点之一。 本文研究了多尺度下PcNN的图像融合方法，其内容如下： 1、对小波变换、NSCT的原理、滤波器构造与设计进行详细叙述，并总结其应用中各种特点与物理意义。对PcNN模型的原理、参数设置与运行方式进行详细叙述，结合图像融合的目的与特点进行大量实验和探讨。 2、针对小波多尺度分解融合方法的缺点，提出对小波系数进行改进的局部Scharr融合方法，由于SchalT算子具有更强的逼近特性和最优旋转不变性，实验表明该方法具有一致优越性和鲁棒性。 3、由于传统的基于多尺度分解和PcNN相结合的方法没有考虑多尺度的领域系数影响，使得图像边缘细节清晰度下降，同时利用PcNN点火最大规则来选取相应系数，造成边界效应。根据局部空间频率能恰当表征图像边缘细节信息的特点，改进的融合规则有效消除边界效应，提出NSCT域下改进的空间频率PcNN图像融合方法(NSCTSFPCNN)，并实验证明其有效性。 4、对多尺度PcNN模型图像融合框架下的各种方法进行分步实验与讨论，比较得出该框架下NSCTSFPCNN方法的优点，然后对该方法五个关键参数进行逐一实验与讨论，得到最优参数设置的原则与取值范围。

关键词： ZVZCS PWM DC/DC变换器   双峰双向   PID调节器   PID神经网络   ATmega2560   Proteus   PSIM   MATLAB  

摘要： 本文提出一种双H桥的双峰双向脉冲电镀电源新方案,将开关电源的数字化和高频化相结合,以ATMEL公司生产的ATmega2560的单片机作为控制芯片,内嵌PID神经网络算法。论文首先介绍了课题的研究方向、背景和主要内容;然后分析对比了目前三种主要的电源系统方案,并提出一种新的可行性双H桥电源系统方案;对移相控制ZVZCS PWM DC/DC全桥变换器的工作原理和主要波形进行详细的分析和介绍;设计主电路、电流调理电路、电压调理电路、驱动电路、键盘和液晶显示,论文详细介绍了电路中主要元器件的参数选择方法,高频变压器的设计流程。重点推导了考虑占空比损失的电流内环、电压外环的双闭环控制模型,并将传统PID调节器和PID神经网络调节器分别应用于双闭环控制模型中,利用MATLAB软件分别对这两种双闭环控制模型进行仿真和分析,结果表明利用PID神经网络作为调节器的双闭环控制模型,不但可以实现无超调、无静差、响应速度快,过渡时间短、跟踪性能好等控制特性,而且由于神经网络参数的自适应和自学习调整,避免了常规PID控制参数的人工调节困难。本文给出了基于ATmega2560单片机PWM波的发生方案和4*4矩阵键盘、LCD液晶模块组成人机界面的程序流程图,并利用Proteus和AVRStudio对其进行联调仿真;最后介绍了实际样机的硬件结构,给出了实验测试数据和波形。

关键词： 脉冲耦合神经网络   图像分割   图像检索   各向异性扩散   遗传算法   熵序列  

摘要： 脉冲耦合神经网络PCNN(Pulse Coupled Neural Network)是一种有着严格生物学背景的且不同于传统人工神经网络的第三代人工神经网络。与传统的人工神经网络相比,PCNN具有阈值动态可变的特性,双通道相乘调制特性、脉冲发放特性,能够很好地模拟生物神经元的脉冲发放、疲劳和不应期等现象。PCNN有了这些特性,就使得它能更好的去模拟实际的生物神经元,对信号的处理能力就更强。目前,PCNN也被广泛应用于图像处理领域。例如：图像分割、图像融合、模式识别、路径优化、图像增强、边缘检测、图像检索等。 本文主要是对PCNN的原始模型以及它的基本理论进行了分析和研究,并且通过自动确定PCNN模型参数来对图像进行分割,解决了PCNN模型参数选取难的问题,利用PCNN的简化模型对图像进行分割,利用信息熵时间序列(以下简称熵序列)作为图像的特征矢量,再利用欧氏距离与标准纹理图像库中的图像进行匹配,即计算待检测图像与库种图像的相似度,对图像进行图像检索。这就使得PCNN模型的关键参数难以选择的问题得到了解决,并且把PCNN应用于图像分割和图像检索,其分割质量和检索结果较好。以下是本文所做的研究工作及其已经取得的研究成果： 一、综述脉冲耦合神经网络的原始模型和改进后的PCNN通用模型。 二、介绍PCNN在图像处理方面的应用及其原理。 三、提出确定PCNN模型的关键参数的方法。脉冲耦合神经网络在图像处理中有着重要应用,但存在模型参数难以选择和图像边缘过于平滑问题。本文通过对图像进行双线性插值运算,再利用具有保护图像边缘作用的各向异性扩散特性确定模型的链接权值参数,采用遗传算法求解模型的链接强度参数和衰减阈值参数,成功实现了图像的自动分割。仿真结果表明,该方法得到的图像分割结果,体现了更多的图像轮廓和边缘细节,具有较好计算性能。 四、利用PCNN应用于图像处理时具有平移不变性、旋转不变性、尺度不变性,局部不变性等特征来提取图像的特征矢量,并用欧氏距离对待检索图像和标准纹理库中的图像进行匹配,提出了一种基于PCNN的图像检索方法。该方法有机的结合了图像的自适应分割和自适应图像特征提取,充分地利用了图像的空间位置特征和图像的灰度特征,并把熵序列作为图像的特征应用于图像检索。大量实验表明该方法的有效性。

关键词： Ant   Antennal lobe   Cataglyphis   Glomerulus   Insects   Interspecific comparison   Macroglomerulus   Olfaction   Olfactory glomeruli   Plasticity  

摘要： Desert ants of the genus Cataglyphis possess remarkable visual navigation capabilities. Although Cataglyphis species lack a trail pheromone system, Cataglyphis fortis employs olfactory cues for detecting nest and food sites. To investigate potential adaptations in primary olfactory centers of the brain of C. fortis, we analyzed olfactory glomeruli (odor processing units) in their antennal lobes and compared them to glomeruli in different Cataglyphis species. Using confocal imaging and 3D reconstruction, we analyzed the number, size and spatial arrangement of olfactory glomeruli in C. fortis, C. albicans, C. bicolor, C. rubra, and C. noda. Workers of all Cataglyphis species have smaller numbers of glomeruli (198249) compared to those previously found in olfactory-guided ants. Analyses in 2 species of Formica - a genus closely related to Cataglyphis - revealed substantially higher numbers of olfactory glomeruli (c. 370), which is likely to reflect the importance of olfaction in these wood ant species. Comparisons between Cataglyphis species revealed 2 special features in C. fortis. First, with c. 198 C. fortis has the lowest number of glomeruli compared to all other species. Second, a conspicuously enlarged glomerulus is located close to the antennal nerve entrance. Males of C. fortis possess a significantly smaller number of glomeruli (c. 150) compared to female workers and queens. A prominent male-specific macroglomerulus likely to be involved in sex pheromone communication occupies a position different from that of the enlarged glomerulus in females. The behavioral significance of the enlarged glomerulus in female workers remains elusive. The fact that C. fortis inhabits microhabitats (salt pans) that are avoided by all other Cataglyphis species suggests that extreme ecological conditions may not only have resulted in adaptations of visual capabilities, but also in specializations of the olfactory system. Copyright (C) 2011 S. Karger AG, Basel

关键词： 脉冲耦合神经网络   图像去噪   目标检测   图像分割   图像检索  

摘要： 脉冲耦合神经网络(Pulse Coupled Neural Networks, PCNN)是基于生物视觉系统机理形成的具有模数混合处理、串并联混合处理及动态自适应处理的一种空时编码新型人工神经网络。由于PCNN模型的动态变阈值、非线性调制耦合、同步脉冲发放、动态脉冲发放及时空总和等特性,使其在图像处理、自动目标识别、组合优化、人工生命等领域的研究和应用得到国内外的广泛重视。 本文围绕图像处理中脉冲噪声滤除、高斯噪声滤除、弱小目标检测、二值图像自动分割、多值图像自动分割及基于内容的图像检索等若干关键问题,针对脉冲耦合神经元结构复杂性及其在图像信号处理中存在阈值反复衰减、自适应性能差和无法自动选择最佳处理结果等一些不足,研究了PCNN模型的机理,并提出改进思路与方法。论文主要内容如下: 1.为有效滤除图像中严重脉冲噪声的干扰,提出了基于脉冲耦合神经网络噪声检测的两级脉冲噪声滤波算法。首先在改进自适应单位连接PCNN(AULPCNN)模型的基础上,利用其同步脉冲发放特性区分定位脉冲噪声点和信号像素点位置,其次根据噪声点局部邻域信息对噪声点进行第1级自适应滤波,然后再对前一级的滤波输出利用具有保护边缘细节特点的多方向信息中值第2级细微辅助滤波。该算法在噪声检测中无需设定检测阈值,噪声检测精度较高;在去噪过程中不但有效滤除噪声干扰,而且能很好地保护图像边缘细节等信息,具有较好的主观视觉效果和客观评价指标,去噪能力强、信噪比高和适应性好,特别是对受严重噪声污染的图像,显示了更大的优越性。 2.针对图像高斯噪声的去除,提出了一种基于改进型脉冲耦合神经网络的双边滤波算法。在考虑图像高斯噪声特征的前提下,引入平滑抑制因子和自适应链接强度,并与相似神经元同步激活特性相结合,形成平滑抑制自适应连接PCNN(SIAL-PCNN)模型,然后应用在含噪图像预滤波迭代处理中,在滤除极值噪声的同时形成反映图像空时信息的赋时矩阵,最后将生成的赋时矩阵信息运用在双边滤波中,并对其进行了自适应性改进与滤除高斯噪声的处理。该算法在较好保护图像边缘细节等信息的情况下,能有效地滤除平滑区域噪声,在信噪比和去噪能力方面都有一定的提高。 3.从含单一弱小目标图像特征出发,提出了结合灰度熵变换的脉冲耦合神经网络小目标图像检测算法。该方法在对含随机噪声和有复杂背景的图像进行非线性灰度熵变换滤波的基础上,考虑灰度熵值映射图在满足目标背景比先验概率的条件下,利用局部最小交叉熵判据,自动选取包含单一小目标局部窗口作为处理图像区域,并进行改进型PCNN迭代检测处理。该算法能自动可靠地检测出复杂背景及随机噪声干扰下的弱小目标。 4.为自动对图像进行二值分割,提出了一种新的自适应迭代全局阈值图像自动分割算法。首先对二维超模糊集隶属函数进行自适应修正,并将其引入到图像超模糊熵概念中,然后从适应图像分割角度考虑,将传统脉冲耦合神经网络模型改进为具有单调指数上升阈值函数的单位链接脉冲耦合神经网络(ULPCNN)抑制捕获模型,最后把ULPCNN与最大超模糊熵判据相结合对图像进行自动分割。该算法能自动确定最佳分割阈值,对图像目标划分清晰、细节保持较好,改善了图像的分割性能。 5.考虑原始图像与分割图像之间的相互关系,以最大互信息为分割目标,以互信息熵差作为一种新的分类判据,在对传统脉冲耦合神经网络模型改进的基础上,提出了一种基于最大互信息改进型PCNN多值图像自动分割算法。该算法能够自动确定最佳分割迭代次数及最佳分割灰度类数,对分割图像具有良好的特征划分能力,且在分割类数较少的情况下,能较好地保持图像细节、纹理及边缘等信息,对图像分割精度高,具有较强的适用性。 6.为简单有效地提取图像重要特征信息,从而更好地提高检索图像的精度,提出了一种基于脉冲耦合神经网络的图像归一化转动惯量(NMI)特征提取及检索算法。首先利用改进简化PCNN模型相似神经元同步时空特性及指数衰降机制,将图像分解为一系列具有相关性的二值图像,然后提取能反映原图像目标形状、结构分布的系列二值图像的一维NMI特征矢量信号,并将其应用在图像检索中。同时,考虑到系列二值图像间的相关性及不同图像间NMI序列值的差异性,引入了马氏距离结合Pearson积矩相关法的综合相似性度量方法。所提算法对图像特征矢量序列具有良好抗几何畸变不变特性及对图像表述的唯一性,且有较好的图像检索效果。