课程文献中心 更多>>

关键词： Image Segmentation   Neuron   Pulse-Coupled Neural Network   Fuzzy Entropy  

摘要： 脉冲耦合神经网络(PCNN)是一种新型的神经网络,该模型是针对于动物大脑视觉皮层实验中所观察到的与特征有关的神经元同步行为现象而提出的。PCNN直接来源于哺乳动物的视觉特性研究,具有相邻的相似性集群神经元可同步发放脉冲的特性,能够弥补输入数据的空间不连贯和幅度上的微小变化,从而较完整地保留图像的信息,这非常有利于图像的分割。这些特性使得PCNN不仅具有重要的理论意义,而且还具有非常广阔的应用前景。 在图像分析中,熵作为一种图像的统计特性,反映了图像中包含信息量的大小。对于图像分割而言,分割后图像的熵值越大,说明分割后从原图所得到的信息量也越大,分割图像的细节也越丰富,因而总体分割的效果也就越好。模糊熵在图像分割中用来度量分割后的图像的模糊度的大小,依据模糊熵最大的准则,分割后图像的模糊熵越大,包含原图像中的信息就越多,在一系列分割结果中,模糊熵最大的分割图就是最优的分割结果。 本文首先将PCNN与简化的PCNN这两种神经网络模型分别应用于部分典型图像和医学图像的分割,将其分割结果与典型的Otsu分割方法所获得的结果进行比较,然后对这两种PCNN模型在图像分割中的应用进行分析。实验结果表明,应用这两种PCNN模型,得到了较好的分割图像,说明此模型在图像分割中有较好的有效性和适应性。 本文通过结合图像模糊熵这一概念,将最大模糊熵准则应用到PCNN的图像分割中,提出了一种基于最大模糊熵的图像分割算法。在迭代次数设置好的前提条件下,该算法能分割出包含原图像信息最多的分割图像,得到最佳分割的迭代次数,实现了一定意义上的自动分割,在应用中有一定的现实意义。

关键词： 脉冲耦合神经网络   图像配准   图像插值  

摘要： 伴随着半个世纪以来科技的迅猛发展,人工智能技术成为了时代的主流技术之一,不断融入到人类生产、生活的各个领域。源自生物神经系统的抽象,并能一定程度上模拟人脑智能特点的人工神经网络在其中展示出了强大的生命力与广阔的应用前景。基于视觉神经机制的脉冲耦合神经网络(Pulse-Coupled NeuralNetworks,PCNN's)作为最新的第三代人工神经网络模型,拥有许多优良的特性,已在图像处理等领域取得了令人瞩目的应用成果。 本文在深入理解PCNN运行机制、运行规律及特点的基础上,进一步将PCNN拓展到图像配准与图像插值的应用中。首先,基于PCNN内禀的平移、旋转和尺度缩放等几何不变性,以PCNN各集群的重心作为匹配特征点提出了一种新的图像配准算法。该算法具有重心的稳健性、对噪声的不敏感性和尺度缩放、旋转不变性等特点,使之成功运用于功能磁共振医学图像的配准中。配准算法的一系列实验结果表明,该算法克服了基于测度搜索优化策略等方法在磁共振医学图像的配准中可能遇到的局部极值、搜索范围和计算量大的问题,能有效、快速、准确地实现了配准过程。其次,利用PCNN点火集群特性及集群过程中生成的点火传播路径,提出了一种能很好地保留边缘特征的新的图像插值算法。一方面由PCNN集群过程获取脉冲传播路径,并用以引导完成集群内部的插值;另一方面,针对路径插值产生的“网孔”现象及集群间隙问题,引入了网函数插值法及有理分式插值法分别解决。插值算法的大量相关模拟对比实验也显示了算法的有效性及其优势。这些算法不仅是对PCNN潜质的深度挖掘,也是对PCNN在图像配准和图像插值应用中的有益探索。

关键词： 健脑益智汤   阿尔茨海默病   乙酰胆碱酯酶   细胞凋亡  

摘要： 目的:观察健脑益智汤对阿尔茨海默病(AD)大鼠血清乙酰胆碱酯酶(AChE)和脑皮质细胞凋亡的影响。方法:老年Wistar大鼠侧脑室注射聚集态的β-淀粉样蛋白25-35(Aβ25-35)建立复合式类AD大鼠模型,测定健脑益智汤灌胃给予AD大鼠(10.6,21.2,42.4g·kg-1,qd)3周后血清AChE和脑皮质细胞凋亡百分率,实验设立盐酸多奈哌齐(0.525 mg·kg-1)作为阳性对照组。结果:与正常对照组比较,AD模型组血清AChE活性增强(P<0.01),脑皮质细胞凋亡百分率显著增加(P<0.01);与模型组比较,健脑益智汤中、高剂量组AChE活性和脑皮质细胞凋亡百分率均降低(P<0.05,P<0.01),与盐酸多奈哌齐组接近。结论:健脑益智汤可抑制AD大鼠血清Ache活性和脑皮质细胞凋亡。

关键词： 语谱图   脉冲耦合神经网络   行程编码   说话人确认   说话人辨认   遗传算法   适应度函数  

摘要： 语谱图能够反映语音信号的时频信息,它包含语音信号比较完整的信息。自从语谱图出现以来,就一直有人对语谱图进行研究,也出现了一些成果,但成效不是十分理想。脉冲耦合神经网络(PCNN)是上世纪90年代,Eckhorn等人通过对哺乳动物的视觉皮层进行研究,得到的一个模拟哺乳动物视觉皮层发放脉冲(也叫点火)现象的神经网络。 PCNN面世以来,一直被用于图像处理中,本文提出了一种由PCNN和行程编码结合的图像压缩方法是PCNN在图像处理的一个例子。而语谱图是语音信号的图像表示,所以,把PCNN用来处理语谱图是很合理的。通过语谱图就可以把图像处理的方法用到语音处理中来。 一直以来,用PCNN从语谱图中提取特征,是把语谱图输入到PCNN,迭代50次,把每一代的总点火次数组成的矢量作为特征。但这样得到的特征只能反映语谱图的一部分信息,而不能完整地反映语谱图包含的信息。本文提出一种用PCNN从语谱图中提取特征的新方法,使得新特征能比较完整地包含语谱图的信息。 本文主要做了以下工作: 1.介绍了脉冲耦合神经网络(PCNN)及其简化模型的结构原理,说明使用PCNN要确定的参数。 2.提出一种由PCNN和行程编码结合的图像压缩算法,说明PCNN在图像处理中的应用。 3.用PCNN从语谱图中提取50维的矢量特征,用于说话人确认和闭集的说话人辨认,进行实验并分析实验结果。 4.用遗传算法来选择PCNN的参数。 5.分析PCNN各时刻的点火位置图,提出一种从各时刻的点火位置图中提取特征的新方法,并把用新方法得到的新特征用于说话人确认和闭集的说话人辨认中,取得较好的实验结果。

关键词： 脉冲泛函微分系统   稳定性   不变性原理   W-稳定性   常数变元   振动性   Hopfield神经网络   线性矩阵不等式(LMI)  

摘要： 近年来，脉冲泛函微分系统已被广泛应用于神经网络，光学控制，人口动力学，生物技术，经济学等领域．对这类系统解的性质的研究已经成为许多数学工作者的热门研究课题，并已经取得了一些好的研究成果．但在这些方面的研究还是不够的，例如，在脉冲扰动下不变性原理能否拓广到非自治系统?在超前型含混合常数变元脉冲泛函微分系统振动性方面，是否有更一般结果?在无穷延滞脉冲泛函微分系统定性理论方面，是否能找到保证这类系统解全局稳定的充分条件?等等．因此，在这个领域还有很多工作要我们去做．本文主要的研究工作就是着重于脉冲泛函微分系统的动力学分析，对上述部分问题做了肯定回答．全文分三章． 在第一章，我们研究了滞后型脉冲泛函微分系统的一致渐近稳定性，全局指数稳定性及W-稳定性．将一维时滞Halanay微分不等式推广到Dini导数脉冲微分不等式，用它研究了系统(1)的弱指数渐近稳定性与全局指数稳定性．利用Lyapunov函数和Razumikhin技巧，我们又得到了保证系统(1)零解一致稳定和一致渐近稳定的若干新结果，并在第三章中给出其在神经网络中的相关应用．此外，利用Lyapunov函数和Razumikhin技巧，我们还讨论了不变性原理在非自治系统中拓广,研究了系统(1)的W-稳定性及W-一致稳定性．初步建立了脉冲泛函微分系统W-稳定性与零解一致稳定性，渐近稳定性的关系． 在第二章，我们研究了超前型含混合常数变元的脉冲时滞微分系统的振动性和渐近性，其中Z表示全体正整数集合，[·]表示取整函数，σ是任意的正奇数比，m>0，m∈Z.通过巧妙构造辅助函数，我们对系统(2)的系数a，p，e非正、非负的情形分别做了相应的讨论和分析：当a，p，e非负时，我们得到了保证系统(2)所有有界解振动的若干充分条件;当a．p．e非正时，我们得到了保证系统f2)所有有界解或者振动或者趋于零的一个充分条件．同时，我们还对导数的次数σ的不同范围给出了详细的分类和讨论．本章所得的部分结果改进并推广了部分已有文献的结果． 在第三章，通过建立适当的Lyapunov泛函并结合第一章得到的Lyapunov稳定性结果，研究了脉冲时滞Hopfield型神经网络平衡解一致渐近稳定性．同时，利用线性矩阵不等式(LMI)比较技术，我们还得到了保证脉冲时滞Hopfield型神经网络平衡解全局指数稳定的充分条件．值得一提的是，本章得到的部分结果推广了一些已有的结论,有利于实际应用．

关键词： 超声图像   脉冲耦合神经网络   图像分割   伪彩色  

摘要： 超声图像的病理区域检测对辨别疾病的良恶性具有极其重要的价值.针对超声回声大、粒状斑点多的特点,提出了基于脉冲耦合神经网络的区域自动检测算法.首先脉冲耦合神经网络对图像进行点火处理,经过形态学闭运算、二值反相、区域标记等操作,自动提取出种子点;以种子点为种子像素对图像进行区域增长,提取出感兴趣的区域,经过伪彩色编码增强后,凸显病理区域,便于医学临床诊断观察与超声图像的进一步量化分析处理.

关键词： 脉冲耦合神经网络   图像分割   图像融合  

摘要： 脉冲耦合神经网络(Pulse Coupled Neural Network——PCNN)是20世纪90年代发展起来的一种新型神经网络,该网络的神经元模型是模拟视觉神经细胞活动而得到的人工神经元模型,所以这种网络的背景是以生物学为基础的。由于PCNN在弱连接的情况下,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,已经成为图像处理的一种工具。 本文对PCNN在图像分割和图像像素级融合两个图像处理领域做了一定的研究。 首先在图像分割方面,通过对PCNN工作机理的分析,对原始模型进行了改进,利用改进后的PCNN进行图像分割,并提出了一种图像分割终止准则;针对PCNN网络参数对图像分割的影响,设计了参数能够根据图像进行自适应调整的图像分割系统,该系统是一个建立在机器视觉基础上的自适应闭合系统,实验表明这种方法是可行的。 在图像融合方面,针对不同类别的图像,在详细分析PCNN特点的基础上,利用其不同的特性,设计了不同的算法。针对局部互补的图像,利用PCNN的脉冲累计对像素进行选择,在这部分提出了两种取舍准则,对一些文献提出的方法做了补充,总结了不同图像利用何种准则;对红外和可见光图像,利用PCNN脉冲同步机制,提出了基于图像内容的自适应加权融合,利用了局部交叉熵作为权值调整的方向;对不同聚焦的图像,首先进行小波分解,对低频系数利用加权融合规则,对高频系数利用PCNN的脉冲爆发机理作为融合规则,然后进行图像重构,对不同的小波分解方式的融合效果做了总结,该方法普遍适用于不同聚焦图像的融合。对以上算法都进行了大量的实验验证,效果良好。

关键词： 生物特征识别   指纹识别系统   脉冲耦合神经网络   支持向量机   学习向量量化网络  

摘要： 生物特征识别是一种利用人的生物特征,如指纹、掌纹、步态、声音和面相等特征,来进行身份识别的技术,而指纹则是各种生物特征中最典型、应用也最广泛的特征之一。常见的指纹识别系统会涉及到指纹增强、指纹方向场计算、特征提取、特征匹配和模式分类等技术。近几年来,尽管与指纹识别相关的技术和应用研究已经得到了长足的发展,但仍然还存在一些尚未被解决的问题,这使指纹识别系统的进一步推广受到了较大限制。目前仍然有许多科研机构都在积极探索指纹的新技术和新应用,取得了许多有价值的研究成果,这些成果将会使指纹在身份认证领域的应用前景更加广阔。 本文首先对传统的脉冲耦合神经网络（PCNN,Pulse Coupled Neural Network）进行了研究,提出了几种改进的模型如“M-PCNN”、“I-PCNN”和“TB-PCNN”等,在这些模型基础之上,为PCNN开发了一些新图像处理应用,如混合噪声滤除。本文对PCNN的高维形态进行了初步研究,设计了一种能够兼容传统二维网络的高维统一模型,此外还对这种模型的网络结构、神经元的连接输入、活性调制、脉冲发生规则等进行了讨论,并对高维网络的脉冲特性进行了试验仿真。 以各种类型的PCNN为基础,为指纹识别系统中的关键处理模块提出了一些新的处理算法,主要包括“指纹脊线增强”、“指纹的方向场估计”、“二值指纹图像细化”和“指纹模式分类”,并在这些基本的处理算法基础之上,展示了在研究过程中开发的一套指纹系统综合平台软件,该软件系统主要由终端工作站软件（FS-Client）和中心服务器软件（FS-Server）这两个部分组成,该平台上的基础算法库可以不断扩展,指纹处理流程也可以灵活配置。这个平台软件的应用范围也很灵活,既可作为研究过程中新算法的测试平台,也可配置为具体的应用系统,如指纹门禁考勤系统等。 本文内容主要包括:第一章概述了指纹识别的背景和研究意义,分析了国内和国际上指纹识别技术的研究现状、相关的典型算法和评估方式,并介绍了在本文中频繁出现的脉冲耦合神经网络模型及其应用情况;第二章在现有的PCNN模型基础上,针对一些新的图像处理应用特点,对PCNN的传统模型进行了改进,提出了一种基于PCNN的图像混合噪声去除方法,也对一种统一的高维PCNN进行了研究,并给出了该模型的一维、二维以及三维仿真结果,同时还对这种模型潜在的应用进行了展望;第三章提出了一种基于I-PCNN的滤波的指纹图像增强算法,并对该方法进行了仿真实验,给出了相关的测试结果数据;第四章提出了一种通过图像块主脊线和投影距离方差值来估算方向场的新颖方法,包括用PCNN来确定图像块主脊线、根据主脊线的投影距离方差来计算图块方向、以及方向场的后续校正,并给出了详细的实验结果;第五章研究了指纹图像的细化问题,提出了一个利用PCNN同步脉冲和方向约束的二值指纹图像细化算法,该方法在方向场的约束之下,先对图像进行粗细化后再进行精修剪;第六章提出了两种指纹模式分类方法,一种利用PCNN和LVQ,另一种主要通过多层树形SVMs来分类;第七章设计实现了一种算法库可以灵活扩展的指纹系统平台,该平台模块间接口稳定,能够增加新的算法模块:最后一章归纳总结本了本文的主要工作,并对生物特征识别技术领域的前沿热点问题和后续研究进行了展望。

关键词： 改进脉冲耦合神经网络(MPCNN)   图像熵   人脸检测   肤色分割  

摘要： 脉冲耦合神经网络(Pulse Coupled Neural Network,PCNN)是根据对动物的大脑视觉皮层同步脉冲发放所获得的实验结果。PCNN网络模型所具有的链接域特性和动态阈值衰减特性能够使状态相似的神经元同步输出脉冲,这一点充分模拟了哺乳动物视觉皮层神经元的生物特性,因而在图像分割、边缘提取、目标识别等图像处理方面获得了广泛的应用。 本文对标准PCNN模型做了一定程度的改进,在保持PCNN链接域特性和动态阈值衰减特性的基础上减少了神经元模型的一些参数,提出更适用于图像处理的改进PCNN(Modified PCNN-MPCNN)模型并深入研究了它的基本原理及其特性。在MPCNN基础上,本文引入了图像熵,提出了基于MPCNN和最大熵的分割算法,将其应用到ORL人脸库,检测结果表明了算法的有效性。 由于ORL人脸库中的图像目标与背景在亮度上有明显的差异,而对于彩色图像,除了亮度信息还有色度信息,并且背景也都不统一,目标与背景不易分离,基于最大熵的检测效果不是很好,所以本文又提出了基于MPCNN和肤色相结合的算法来对彩色图像进行人脸检测,然后基于此算法对彩色lena图、截取的Purdue-AR彩色视频流动态图像中的不同表情、不同光照的彩色图像以及来自Internet的彩色图像进行分割,并对分割图像做了简单的后续处理。另外,还将此算法与基于模板匹配的算法作了简单的比较,实验结果表明该方法有很好的实用性。

关键词： UWB脉冲   信号检测   BP神经网络   特征因子   抗抖动  

摘要： 超宽带(Ultra-Wideband UWB)传输技术相对于扩频通信等传统窄带和宽带通信方式具有带宽大,隐蔽能力和穿透能力强等优点。然而随着信号带宽的增加,其信号检测的难度也进一步增加。由于UWB信号功率谱密度非常低,导致接收信号信噪比很低而难于检测。 在传统的UWB接收方法中,基于匹配滤波器的检测方法要求预先估计失真波形,接收系统实现难度很大,且受信号定时抖动的影响性能降低很快。而目前研究比较多的基于能量检测的方案和发射参考方式抗噪声性能都很低。 本课题研究的目的就在于探索新的UWB脉冲信号检测技术,为超宽带接收系统最优检测器设计提供依据。文中提出的基于神经网络结合复合特征因子的方案,对UWB信号在较低信噪比情况下仍具有优良的检测能力和相对传统方式更好的抗抖动性能。 本文介绍了超宽带无线通信的接收和信号检测的基本原理,重点分析UWB信号特性。通过研究UWB系统及相关领域信号检测技术,设计了基于神经网络和特征因子两种理论的3个具体UWB信号检测方案,并基于前人研究基础上,仿真验证了基于特征因子和神经网络的UWB信号检测方案;系统的研究了两者的性能,讨论了两种新的方法的优势与缺点。最后通过设计出基于BP神经网络和特征因子联合的UWB信号检测方案,改善了UWB检测系统中的信号抗抖动性能。