课程文献中心 更多>>

关键词： 脉冲耦合神经网络(PCNN)   刀具磨损   图像分割   状态检测  

摘要： 将仿生学中的脉冲耦合神经网络(PCNN)引入刀具磨损检测中,利用刀具磨损区域灰度强度明显高于刀体和背景区域灰度强度的特点,通过空间邻近和灰度相似集群像素获得分割的二值图像,从而达到对刀具磨损区域进行检测的目的。对车削加工中刀具不同磨损阶段的磨损图像进行分割试验,证明了该算法可以有效地判断刀具的磨损状态。

关键词： 脉冲耦舍神经网络   语音情感识别   语谱图   神经元点火序列   熵序列  

摘要： 针对汉语语音情感识别问题,提出了一种基于脉冲耦合神经网络(PCNN)的识别方法。该方法将语音转化为语谱图后输入到PCNN,得到输出图像的神经元点火序列及其熵序列作为语音情感的特征,利用其特征实现语音情感识别。实验结果表明,该方法可以有效地识别"高兴"与"平常"这两种不同的情感。该方法将PCNN引入到语音情感识别的应用研究中,开拓了语音和图像信号结合处理的新领域,同时对于PCNN的理论研究和实际应用具有重要的现实意义。

关键词： 模式识别   脉冲耦合神经网络   离散傅里叶变换   多层感知器   指纹  

摘要： 脉冲耦合神经网络(PCNN)是基于猫视觉原理构建的一种简化的神经网络模型,它的点火时刻序列图包含了局部图像的灰度分布信息和相邻像素之间的几何信息,这恰是纹理图像的特征所在.基于这种特性,该文提出一种把PCNN的点火脉冲信号总和通过傅里叶变换的新的模式识别方法.最后给出了部分指纹图像仿真实验的结果,以验证该方法的有效性.

关键词： 脉冲耦合神经网络   集群   放电   海马CA3区  

摘要： 目的 采用脉冲耦合神经网络（pulse coupled neural network，PCNN）对海马CA3区神经元集群放电进行仿真研究。方法 PCNN模型由120个神经元组成，兴奋性神经元与抑制性神经元个数之比为5：1。神经元间的连接权重为高斯分布。结果PCNN仿真模型输出结果表明，在周期信号、Gaussian随机信号及两类信号的线性叠加三类输入模式下，PCNN仿真网络的输出平均发放率均小于10％；神经元之间的稀疏连接可以通过调节权重实现。结论 ①在三类不同输入模式下，PCNN仿真网络的输出平均发放率均小于10％，满足海马CA3区神经元稀疏编码的特点。②在不同刺激下，模型中神经元的平均放电频率为6．02＋1．55Hz，其频率范围为3．6-8．6Hz，与海马区神经元放电的特征频率（θ节律）一致。③在PCNN仿真模型中，神经元之间的连接可通过调节权重矩阵实现，满足海马CA3区神经元稀疏连接的特点。④针对不同的输出模式，PCNN仿真网络可输出网络中每个神经元在不同时刻放电的时间序列。PCNN仿真模型可以反映海马CA3区神经元集群的放电特性，其仿真结果可以作为研究海马区神经元集群编码的仿真数据。

关键词： 脉冲耦合神经网络   参数确定   计算机仿真   图像处理  

摘要： 脉冲耦合神经网络(PCNN)模型可有效地应用于图像处理领域.但目前在PCNN模型理论方面的研究较少,参数的确定仍停留在经验阶段,这很大程度上限制了PCNN模型的发展.本文对PCNN模型进行理论上的推导,特别是模型各参数对PCNN特性的影响,给出了PCNN模型应用于图像处理中各参数确定的准则.在将其应用于眼底图像处理中,取得与人工参数选取相似的效果,表现出较好的鲁棒性.

关键词： 高空间分辨率遥感影像   分割   脉冲耦合神经网络  

摘要： 高空间分辨率遥感影像中地物目标内部光谱信息复杂性的增强,使得传统基于光谱特征值的数据处理方法效果不再显著,影像分割为解决这一问题提供了一种思路,成为当前高空间分辨率遥感影像处理的研究焦点。时刻独立脉冲耦合神经网络具有状态相近、空间相邻神经元相互耦合同步脉冲激发和区域之间神经元脉冲激发时刻独立两大特点,已被应用于非遥感影像分割中,并取得较好效果。本文结合高空间分辨率遥感影像特点,通过对网络参数进行实验和分析,提出一个基于时刻独立脉冲耦合神经网络的高空间分辨率遥感影像分割方法,并利用空间分辨率0.3m的航空影像进行了数据试验,将分割结果进行讨论并与现有时刻独立脉冲耦合神经网络方法和ISODATA方法分割结果进行对比分析。结果表明:时刻独立脉冲耦合神经网络在高空间分辨率遥感影像分割处理中具有很好的应用前景。

关键词： 神经网络  

ISBN: (纸本)9787040244632

摘要： 本书是一本详细探索和展示脉冲耦合神经网络极佳图像处理能力的专著。还包括大量PCNN图像处理的应用实例以及对其硬件实现技术的讨论。

关键词： 脉冲泛函微分方程   边值问题   上下解   实用稳定性   脉冲神经网络  

摘要： 本文主要讨论了具有限时滞和无限时滞的脉冲泛函微分方程的实用稳定性,这两类脉冲泛函微分方程的有界性与周期解的存在性及其在脉冲延时神经网络理论中的应用,以及几类脉冲泛函微分方程边值问题。全文共分为四章。 第一章简述了脉冲泛函微分方程的实用稳定性、有界性及周期性,脉冲泛函微分方程边值问题的历史与研究现状,以及本文的主要工作。 第二章主要研究了具有限时滞和无限时滞脉冲泛函微分方程的实用稳定性,通过利用Lyapunov函数结合Razumikhin技术或Lyapunov泛函结合脉冲积分不等式,得到了这类问题的全新的结果,并给出了这些结论的应用,以检验我们的结果的有效性。 第三章研究了具有限时滞和无限时滞的脉冲泛函微分方程解的有界性与周期解的存在性。借助于分量Lyapunov函数或Lyapunov泛函,脉冲积分不等式以及脉冲型Hale-Yoshizawa型判据,得到了这两类泛函微分方程解的有界性及周期解的存在性的充分条件,作为这些结果的应用,我们讨论了几类脉冲细胞神经网络系统周期解的存在性及解的全局指数稳定性。 第四章首先使用Krasnoselskill锥不动点定理研究了一类一阶奇异脉冲泛函微分方程的周期边值问题,得到了这类奇异边值问题正解存在性的充分条件,我们的结果允许右端函数f(t,u)中关于u是奇异的。其次,在第二节,研究了一类脉冲泛函微分方程非线性三点边值问题,通过利用脉冲微分不等式,得到了两个新的比较结果,利用上下解方法结合单调迭代技巧,获得了这类问题极值解的存在性。最后,在第三节,我们讨论了一类脉冲积分-微分方程的积分边值问题,得到了其极值解的存在性。

关键词： PCNN   DLPFPCNN   目标识别   遥感图像  

摘要： 脉冲耦合神经网络(Pulse Coupled Neural Network,简称PCNN)作为第三代人工神经网络,比传统人工神经网络更好地模仿了生物神经网络,尤其适合图像处理,是目前的研究热点和重点。但在应用时仍有一些难题未解决,需解决这些难题,而且有必要进一步拓宽PCNN的应用范围。 另一方面,在高科技军事对抗中,遥感图像战略目标自动识别技术有着重要的应用前景,同时也是因成像质量和目标特征的复杂性,使其成为研究的难点。 本文的工作主要是对PCNN理论及其在图像处理中的应用做了深入的研究,提出双级并行点火脉冲耦合神经网络模型(Double-level Parallelized FiringPulse Coupled Neural Network,简称DLPFPCNN),详细阐述其运行行为和工作原理,指出其适用范围。新模型针对低对比度、低信噪比、背景灰度呈均匀缓慢变化的图像在分割上的难题而设计,将DLPFPCNN新模型应用于不同领域中的图像分割,获得了较常规方法和常用改进方法更好的效果,证明了DLPFPCNN新模型的有效性。 然后将DLPFPCNN新模型应用于遥感图像水上桥梁目标和港口目标识别的水域分割阶段,分割出完整的水域,以便于后续的识别,取得了令人满意的效果,证明DLPFPCNN新模型适合于遥感图像处理。并结合水上桥梁和港口目标具有的直线性特征和先验知识进行识别,最终达到目标自动识别的目的。另外,针对遥感图像中水域的特征,提出最佳分割结果自动判定方法——最小类内方差法,得到满意的效果。

关键词： 脉冲耦合神经网络   图像分割   双向搜索   DPCNN  

摘要： 脉冲耦合神经网络(Pulse Coupled Neural Network-PCNN)是根据哺乳动物的视觉皮层同步脉冲发放现象提出的。该模型具有对图像二维空间相近、灰度相似的象素进行分组的特点,并能减小图像局部灰度差值,弥补图像局部微小间断,是符合人类视觉特点的图像分割模型。 首先,受生物神经细胞突触后抑制的离子机制启发,基于传统PCNN模型,本文提出了自下而上的点火方式。 其次,传统PCNN模型进行图像分割时图像象素和神经元是一一对应的,这使得网络运行速度比较慢。为了解决这个问题,本文提出了基于双向搜索的脉冲耦合神经网络(Bidirectional search PCNN-BPCNN)。与传统PCNN不同,BPCNN模型更加符合生物神经网络工作机制。它具有兴奋型和抑制型两种阈值,可同时自上而下点火和自下而上点火。当BPCNN与最大熵结合时,可以同时双向寻找最佳阈值,这样可提高网络运行速度。通过灰度图像实验取得了较好的效果。 最后,与灰度图像相比,彩色图像除提供亮度外,还有色调和饱和度,比灰度图像能提供更多的信息。在分割时,如何充分利用彩色图像提供的信息是研究的重点和难点。为了解决彩色图像分割的问题,本文在BPCNN的基础上,结合基于感受野的触发式脉冲耦合神经网络(Triggered PCNN basedon receptive field-RTPCNN),提出了基于BPCNN和RTPCNN的双脉冲耦合神经网络(Double PCNN-DPCNN)。它融合了两个脉冲耦合神经网络的优点,不但处理的速度快,而且分割图像效果较好。通过理论分析和实验验证,表明该方法对彩色图像分割有很好的实用性。