课程文献中心 更多>>

关键词： 高光谱图像   图像融合   脉冲耦合神经网络   多通道脉冲耦合神经网络模型   hyperspectral image   image fusion   pulse coupled neural network(PCNN)   multi-channel PCNN model  

摘要： 针对高光谱图像波段众多、数据量大的特点，提出了一种基于脉冲耦合神经网络(Pulse Coupled Neural Networks, PCNN)模型的高光谱多波段图像融合方法.根据高光谱图像多输入的特点对原始PCNN模型进行了扩充，采用多通道PCNN模型来对输入图像进行非线性融合处理.通过分析传统变阈值衰减模型的特点及其不足，提出了修正的变阈值指数增加模型，以改善融合效果和降低PCNN运行的时间复杂度.利用记录点火时刻的赋时矩阵得到带有一定增强效果的融合结果图像.实验结果表明，该方法的融合效果要优于传统的主成分分析融合方法和小波变换融合方法.关键词

关键词： 激光脉冲   解码   神经网络   laser pulses   decoding   neural network  

摘要： 为提高激光脉冲解码过程的准确性和识别效率，采用神经网络技术对激光脉冲编码解码进行了仿真研究。应用线性神经网络对有规律的编码，如周期型编码和等差型编码，进行了识别。仿真结果表明，对于PCM码，需要约2个周期的脉冲就可准确预测下一个脉冲到达的时间; 对于等差型码，需要4个脉冲就可以达到精度要求。然后，应用概率神经网络对伪随机型编码的最小周期进行了识别。仿真结果表明，可以在信息量较少的情况下准确识别此类型编码的最小周期。关键词

关键词： 图像分割   脉冲耦合神经网络   互信息   最大互信息准则   Image segmentation   PCNN   Mutual information   Maximum criterion of mutual information  

摘要： 为了自动地进行图像的多值分割，从原始图像与分割图像之间的相互关系出发，以最大互信息为优化分割目标，以互信息熵差作为一种新的分类类数判据，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脉冲耦合神经网络图像多值分割算法.理论分析和实验结果表明，该方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，对不同图像分割准确度高，具有较强的适用性.关键词

关键词： 脉冲耦合神经网络   调制   动态阈值   轮廓跟踪   目标检测  

摘要： 对单位链接脉冲耦合神经网络模型中的线性调制、动态阈值衰减方式及步长、迭代次数控制等关键环节进行了改进,进一步简化了网络模型,使其更适合于图像处理.并针对低对比度、背景连续变化环境下的空中扩展目标检测问题,应用反色处理,并采用最大直线轮廓点数方法,确定其最佳迭代次数和分割结果,实现目标的自动检测.仿真实验结果表明,该方法能清晰完整地保留目标轮廓,有效检测出复杂背景下的空中扩展目标.关键词