《PCNN脉冲耦合神经网络要点.pdf》由会员分享，可在线阅读，更多相关《PCNN脉冲耦合神经网络要点.pdf（16页珍藏版）》请在三一文库上搜索。
1、PCNN 脉冲耦合神经网络 目录 PCNN脉冲耦合神经网络 1 前言 2 脉冲耦合神经网络模型. 2 PCNN的神经元j的离散方程 . 3 变量说明 . 3 优良特性 . 4 功能及应用 . 4 1. 图像去噪 . 4 2. 图像增强 4 3. 图像分割 4 4. 图像边缘检测 4 5. 图像融合 4 6. 图像阴影去除 5 7. 求解最小路径 5 PCNN实现滤波 5 图像分割 . 8 红细胞图像 . 9 PCNN图像信息提取 13 边缘检测 . 15 图像增强 . 16 前言 从 20 世 纪 90 年代开始， 由 Eckhorn 等对猫的视觉皮层神经元脉冲串同步震荡现象的 研究，得到了哺
2、乳动物神经元模型，对Eckhorn 提出的模型进行一些改进，就得到了脉冲耦 合神经网络模型。 脉冲耦合神经网络模型 馈送输入 分支树 链接输入 j j F L / jj FL分别以相对较小/较大的时间常数/ FL 对神经元j 某邻域内的其他神经元的 输出进行漏电容积分加权和，此外 j F还接受该神经元的外部刺激 j L。 链接器 以乘积耦合形式1 jjj UFL构成神经元J的内部行为Uj。 脉冲产生器 由对网络输出进行漏电容积分的变阈值特性(起激活该神经元的作用)和硬 限幅函数(起抑制该神经元的作用)组成， 脉冲是否产生取决于内部行为大小能否超过其激发 动态门限，且此门限值随着该神经元输出状态
3、的变化发生变化。 当阈值 j小于 Uj 时，神经元被激活(即输出 Yj=1),称之为点火一次，紧接着因为输出端 对阈值的反馈使得阈值j突然变高 (通常 Ve取值大 )，神经元又被抑制(即输出 Y =0)，从而在 神经元输出端产生一个脉冲信号，此脉冲信号经过加权又连接到相邻神经元的输入端，从而 影响这些神经元的激发状态，故该网络称为脉冲耦合神经网络。 PCNN的神经元j的离散方程 , ( )exp()(1)(1) ij ijFijFijklklij k l FnF nVMYnI , ( )exp()(1)(1) ij ijLijLijklkl k l LnLnVMYn ( )( )(1( ) i
4、jijij UnFnLn ( )exp()(1)(1) ij ijijij nnV Y n 1 0 ijij ij ijij Unn Yn Unn 变量说明 :内部活动项的连接因子 F、VF、F：反馈输入域、其放大系数、衰减时间常数 L、VL、L：耦合连接域、其放大系数、衰减时间常数 、V、：动态门限、其放大系数、衰减时间常数 I：神经元强制激发的 外部激励 U：内部活动项1 jjj UFL Y：输出脉冲(0或1) 对于图像处理，它可以做相应的简化。 优良特性 时空总和特性 动态脉冲发放特性 同步脉冲发放引起的振动与波动特性 功能及应用 1. 图像去噪 现实中的数字图像在数字化和传输过程中常受
5、到成像设备与外部环境噪声干扰等影响， 称为含噪图像或噪声图像。减少数字图像中噪声的过程称为图像去噪 2. 图像增强 图像增强是指按照特定的要求突出一幅图像中的某些感兴趣信息，以获得更 “ 好” 的视觉 效果的一种图像处理技术.这种 “ 好” 的评价是由图像的观察者给出的.根据人眼视觉的特性， 提出了各种基于PCNN的图像增强算法 3. 图像分割 将图像划分为一些互不重叠的区域，每一区域是像素的一个连续集 4. 图像边缘检测 边缘检测是图像处理和计算机视觉中的基本问题，边缘检测的目的是标识数字图像中亮 度变化明显的点。图像属性中的显著变化通常反映了属性的重要事件和变化 5. 图像融合 图像融合（
6、 Image Fusion）技术是指将多源信道所采集到的关于同一目标的图像经过一 定的图像处理，提取各自信道的信息，最后综合成同一图像以供观察或进一步处理。 6. 图像阴影去除 7. 求解最小路径 PCNN实现滤波 主要实现去除椒盐噪声，对于高斯噪声有一定的效果(有专门去除高斯噪声的算法) 将程序改到GPU上， matlab 和 GPU对比如下： 加 10%椒盐噪声， CPU结果： Matlab 结果： （Elapsed time is 64.288210 seconds.） GPU结果： 加 30%椒盐噪声， CPU结果： Matlab 结果： （Elapsed time is 90.547142 seconds.） GPU结果： 图像分割 第二幅是图像分割的结果，第3、 4 幅为利用PCNN自动波的特点去除图像微小干扰物 体的结果。 红细胞图像 图像分割 测试红细胞： PCNN图像信息提取 计算信息熵得如图： 纵坐标为熵值，横坐标为PCNN迭代次数。 从熵值看，可知随着迭代次数的增加，在16 以后，熵是递减的趋势。 迭代 10 次： 迭代 20 次： 迭代 30 次： 迭代 60 次： 迭代次数不同，获取的信息也不同。根据最大熵值原理，熵越大，信息量越大，如迭代次数 为 10 的图。 边缘检测 图像增强 对图像进行增强处理，使之轮廓、纹理清楚，细节清晰