课程文献中心 更多>>

关键词： 脉冲耦合神经网络   灰度迭代阈值PCNN   单一链接PCNN   MP-PCNN(Matching Pursuit-PCNN)降噪去斑模型   PCNN时间签名  

摘要： 脉冲耦合神经网络（Pulse Coupled Neural Network, PCNN）是具有生物视觉特性的新一代人工神经网络,对其进行研究具有一定的应用价值。论文研究了PCNN的理论模型及其脉冲并行传播特性,针对具体的应用对象,对传统PCNN模型进行改进,并将其用于解决图像分割、极端脉冲噪声滤波、超声多普勒血流信号声谱图降噪去斑以及自然背景下的人脸检测的图像处理和分析问题。 论文的主要工作如下: 1.提出了基于灰度迭代阈值的PCNN（Grayscale Iteration Threshold PCNN, GIT-PCNN）图像分割模型,该模型简化了传统的PCNN模型,减少了参数选择;模型改进了传统PCNN指数衰减的阈值门限,提出了基于图像灰度特征的迭代阈值,使得PCNN的阈值与处理图像的灰度统计特性有关;用该模型进行图像分割时无需循环或设定循环终止准则。实验结果表明,GIT-PCNN与经典的基于最大香农熵的PCNN分割算法相比,分割速度有较大改善且分割性能未降低;与图像分块且基于最大香农熵与最小交叉熵的PCNN分割算法相比,分割速度和分割性能均有改善。 2.提出了单一链接PCNN（single-linking PCNN）极端脉冲噪声滤波模型。该模型简化了传统的PCNN模型,无需针对不同的图像,进行参数选取,也无需确定PCNN的循环次数;模型结合极端脉冲噪声的特点,提出了PCNN阈值和自适应的滤波次数选取方法。实验结果表明,在噪声强度为10%-60%时,single-linking PCNN滤波算法优于经典的脉冲噪声滤波算法,如传统的中值滤波、标准中值滤波、基于卷积运算的脉冲检测与开关中值滤波算法和基于决策的滤波算法;在噪声强度较大,如80%时,single-linking PCNN的滤波性能优于常见的PCNN极端脉冲噪声滤波模型。 3.提出了超声多普勒血流信号STFT（Short Time Fourier Transform, STFT）声谱图降噪去斑模型:MP-PCNN（Matchning Pursuit with PCNN, MP-PCNN）。模型提出了MP分解信号并滤除背景噪声与PCNN滤除斑点的两步处理方法;提出了单向衰减阈值PCNN模型,对超声多普勒血流信号STFT声谱图进行斑点检测;提出的PCNN模型简化了传统的PCNN模型,无需针对不同的声谱图,进行参数选取。实验结果表明,MP-PCNN比经典的MPWD （Matching Pursuit with Wigner Distribution）方法有更好的降噪去斑效果。 4.提出了基于unit-linking PCNN时间签名的人脸检测算法。该方法增加了肤色块的判定,提高了算法的速度性能;提出了对候选人脸块的左上角坐标进行聚类以确定测试图像中包含的人脸数的方法。实验结果表明,提出的方法能较好地检测出自然背景下的人脸区域,而且在对测试图像加噪、旋转和缩放后仍然可以检测出人脸区域。

关键词： Neural networks  

ISBN: (纸本)9787040279788

关键词： Anti-periodic solutions   Cohen-grossberg BAM neural networks   Exponential stability   Impulse   Periodic solution   Time scales  

摘要： Recently, many authors have studied the existence and global exponential stability of periodic solution and anti-periodic solution of many kinds of neural networks on time scales, by using the continuation theorem of coincidence degree theory, M-matrix theory and constructing some suitable Lyapunov functions. But, in this work, we only use the continuation theorem of coincidence degree theory, M-matrix theory to study the existence and exponential stability of periodic solution and anti-periodic solutions of a class of higher-order Cohen-Grossberg type neural networks with distributed delays and impulse on time scales. The activation functions fj, gi, are not assumed to be bounded in this work. Finally, an example is given to illustrate the effectiveness of our main results. © 2010 Academic Publications.

关键词： 振荡器   海螺壳   自控能力   合成生物学   网格细胞   三角形网格  

摘要： 由细菌制成的首个同步基因振荡器诞生美国加州大学的科学家通过合并群体效应制成了新型振荡器。不过,该振荡器既没有石英机芯,也没有旋转的秒针,它的"心脏"是一群经基因工程改造的细菌。带有基因开关的遗传振荡器在2000年诞生,被认为是合成生物学的开

关键词： Anti-periodic solutions   Distributed delays   Exponential stability   Higher-order hopfield neural networks   Impulse   Time scales  

摘要： On time scales, by using the continuation theorem of coincidence degree theory, M-matrix theory and constructing some suitable Lyapunov functions, some sufficient conditions are obtained for the existence and exponential stability of anti-periodic solutions of a class of higher-order Hopfield neural networks with distributed delays and impulse, which are new and complement of previously known results. Finally, an example is given to illustrate the effectiveness of our main results. © 2010 Academic Publications.

关键词： 脉冲耦合神经网络   图像噪声   图像分割   边缘检测   协同竞争  

摘要： 脉冲耦合神经网络（Pulse-Coupled Neural Network,简称PCNN）是基于对猫的视觉皮层神经元脉冲串同步振荡现象的研究发展而来的神经网络模型,被称为第三代人工神经网络,与传统的人工神经网络模型相比较,因其具有动态神经元、时空总和特性、波的自动传播、同步脉冲发放等特性而备受关注。PCNN的工作原理和其在图像处理、雷达声纳、电子行业、医药卫生、语音信号处理等领域的应用在国内外受到广泛重视。近年来,国内对神经网络的研究发展也非常重视。本文的主要工作有:（1）深入分析了PCNN的工作机理和运行行为,并对其特性和应用领域进行详细介绍;（2）基于PCNN网络对图像的高斯噪声和椒盐噪声进行滤除;（3）给PCNN网络中的神经元加入竞争特性,在此基础上提出了基于最大熵准则的图像分割和图像边缘检测的新算法,与传统协同性PCNN网络算法和其它算法相比,得到的效果好,处理结果轮廓清晰并且细节保留较完整,在实际应用中有一定的优越性。最后总结了本文的研究成果,同时提出了研究中的不足和待解决的问题。

关键词： 改善脑循环药   哌嗪类   西药   药剂  

摘要： 目的 探讨临床治疗中哌嗪类改善脑循环药的应用. 结论 学哌嗪类药物具有较弱的钙通道阻滞作用,具有血管扩张作用,对脑血管有选择性,对心血管系统影响较小,可改善脑血液循环,是应用较为广泛的脑血管扩张药物.

关键词： 脉冲耦合神经网络   李雅普诺夫指数   混沌   信号追踪  

摘要： 根据脉冲耦合神经网络能产生混沌现象,研究了对混沌PCNN系统配置控制序列来达到对参考信号追踪的方法.基于离散线性系统的稳定性理论,根据参考信号情况,配置不同参数,设计不同的控制序列来改变混沌系统,达到信号跟踪的要求.仿真和实验结果证明了该算法的有效性,实现了混沌PCNN系统对参考信号的追踪.

关键词： 合成孔径雷达   脉冲耦合神经网络   目标识别   仿真  

摘要： SAR在环境监测、资源勘探及军事领域得到广泛应用,SAR图像因其良好的穿透性比光学图像包含更丰富的内容,对SAR图像解译可以获得覆盖区域的相关信息和知识。目标识别是SAR图像解译和分析的重要过程,识别过程主要包括检测、鉴别和识别三个阶段。PCNN是一种自组织无监督神经网络,具有尺度和旋转不变特性,且其模型很容易通过硬件实现,因此实时性优于其他类型的神经网络。 当前国内外SAR目标识别,在图像相干斑的抑制阶段,主要采用局域统计滤波方法和结构滤波算法和小波算法;在图像目标检测阶段主要采用CFAR方法;在目标鉴别阶段主要采用遗传算法对目标和非目标进行鉴别;在目标的分类和识别阶段主要采用马尔可夫随机场、支持向量机和Gabor小波等基于边缘检测的方法。 本文主要研究PCNN在SAR降噪和目标特征提取过程中的应用,通过对比PCNN方法和现有方法的实验效果确定PCNN在SAR目标识别过程的适用性。同时,因研究需要大量的支持数据集,本文所使用数据均来自SAR仿真工具,该仿真工具利用图形处理器的计算能力实现目标三维模型的渲染,从而获得不同姿态的目标SAR仿真图像。

关键词： PCNN   图像滤波   图像分割   最大熵  

摘要： 随着数字化时代的到来,图像信息以其信息量大、传输速度快、作用距离远等一系列优点成为人类获取信息的重要来源及利用信息的重要手段。图像处理技术已经成为科学研究、社会生产乃至人类生活中不可缺少的强有力的工具。图像信息是通过人的视觉系统神经元信号传导和连续传递,直到大脑皮层;大脑皮层是视觉系统处理图像信息的关键部位。脉冲耦合神经网络以其强大的生物学背景,在图像处理方面凸显出绝对的优势。 脉冲耦合神经网络(Pulse Coupled Neural Network, PCNN)是Eckhorn等对猫的视觉皮层神经元脉冲串同步振荡现象的研究,得到了哺乳动物神经元模型,并由此发展而形成的。PCNN作为第三代人工神经网络发展的主要标志,它的变阈值特性、非线性调制特性、同步脉冲发放等特性可以很好的模拟人或哺乳动物的视觉系统,它是对真实神经元的简化与近似,从而可运用到图像处理的各个领域。 本论文就脉冲耦合神经网络在图像处理方面的应用作了研究。首先简要介绍了图像处理的内容以及常用的图像处理技术,如图像滤波、图像分割的常用技术;其次介绍了脉冲耦合神经网络的基本模型、工作原理和动作行为等,然后重点分析了脉冲耦合神经网络在图像滤波和图像分割中的应用,最后对整篇论文进行了总结,并对PCNN的发展给予展望。 针对PCNN用于图像去噪的特性,本文重点讨论了基于PCNN的类中值滤波算法在彩色图像去噪中的应用,建立了一个在HIS色彩空间上的PCNN简化模型,仿真实验表明此算法能够更好的保护图像细节,较传统的彩色图像去噪算法有较明显的优越性。同样,由于脉冲藕合神经网络具有的一些重要特性,如：捕获特性、同步脉冲发放特性、自动波传播特性等,它非常适合应用于图像分割中,本文针对实际应用中的问题提出了改进方法并与最大熵准则结合,通过实验表明,改进的方法具有良好的性能。