文档介绍：要摘究了的自动波传播特性,讨论了模型参数对自动波动态传播特性脉冲耦合神经网络作为一种新型的神经网络模型,有着生物学背景,作为一种更为接近视觉特性的神经网络模型,对其工作机理及其在图像处理领域的研究己得到广泛重视,目前已经被广泛应用于图像处理的各个方面。本论文主要通过对基本特性的分析研究,将在数字图像处理的应用做了进一步的探索和推广。本文主要开展了如下的研究工作:ü訮窬DP汀⒉问饔谩⒃诵谢砑巴缣匦缘姆治觯的影响,并将其很好地应用到生物细胞识别和计数算法中。岷螾谕枷穹指钪械挠τ茫酝枷穹指钇兰劢辛搜芯浚ü析现有图像分割评价方法的不足和缺点,结合图像分割的基本定义,提出了一种综合考虑图像分割区域一致性、对比度、紧致性及连续性的综合评价准则,通过实验验证了该综合评价准则在大多数情况表现良好,能够准确反映不同分割算法的分割性能,并能够与主观视觉评价保持一致。谧芙崛搜凼泳跆匦缘幕∩希曰贖的第二代图像压缩编码技术的最新研究方向进行了介绍;阐述了不规则分割区域编码的基本原理,给出了编解码算法的框架结构;研究了轮廓形状编码、分割区域的施密特正交基重建方法,并提出了快速序贯连通区域标识算法;岷螾判愕耐枷穹指钚阅埽溆τ玫絀嗦胫校晗覆了基于的不规则分割区域编码方法。实验表明,编码方法在图像压缩性能和恢复图像质量方面,相比于传统的块变换编码能够得到显著提高,有着块变换编码无法比拟的优势,具有较高的应用价值;最后将编码算法在教ㄉ辖辛耸迪帧关键词:脉冲耦合神经网络,图像分割,分割评价,分割区域编码,兰州人学硕十学位论文
,,:∑州人。学硕十学何论文.,.’.,甋.:..,瑃甋,甌琲,瓹,,,
——脉冲耦合神经网络模型图像是人类获取和交换信息的主要来源,自世纪年代中期以来,随着计算机技术的发展和应用,数字图像处理技术得到了快速发展,并逐渐成为一个新兴学科。目前,数字图像处理技术已经应用到航空航天、生物医学、遥感探测、工业控制、产品检测、机器视觉、通信技术、文化艺术、军事技术等多个学科和领域。数字图像处理主要研究以下内容:图像去噪,图像复原和增强,图像分割,图像编码和压缩,特征提取、目标识别和图像理解等方面。在数字图像处理研究的早期,许多人认为能找到一种专门实现图像识别的方法,可到目前为止,我们用的最流行的基于频域的滤波处理方法,包括傅里叶变换、小波变换等,都没有仿照人类视觉的处理机制,显然,相比于人脑图像识别,现有的图像处理算法在进行图像识别等处理时都有各自的缺点,与复杂的生物识别系统相比,基于计算机实现的这些算法都不能与人类视觉系统进行图像完美处理的境界相比较。基于上述原因,人们开始研究模拟生物系统,虽然在这方面科学家还处于初步探索和研究阶段,但模拟视觉皮层的处理模式正逐渐被人们所理解,并已证明非常有效且已很快成为了图像识别领域的新工具。因为它直接模拟大脑的一部分,而我们相信大脑是当前最有效的图像处理系统,并且从数学分析角度分析,它与许多目前所使用的传统算法有着本质的不同。近年来,随着人工神经网络的研究和发展,等通过对小型哺乳动物大脑视觉皮层神经系统工作机理的仔细研究,提出了一种崭新的神经网络模型虺芇。源于对哺乳动物猫的视觉皮层神经细胞信号传导特性的研究成果,具有同步脉冲兰州大学硕士擘位论文
.滞枷翊淼挠τ孟肿醇拔侍配线中检测零件的质量、并对零件进行分类,印刷电路板疵病检查等;在图像数据信息量很大,如一幅分辨率为叶韧枷瘢笤嘉氖萘浚灰幅高分辨率噬枷瘢柙的存储量;而对于电视图像信号,激发现象。由于其具有生物学特性的背景和空间相似集群的特点,更加符合视觉系统,因此将该模型应用在数字图像处理领域具有广阔的应用价值和前景。目前,数字图像处理已经应用到了各个高科技领域:在航天和航空技术领域,比如对月球、火星照片以及对飞机遥感和卫星遥感图片信息进行处理;在生物医学工程领域,比如技术,以及对医用显微图像的处理分析,如对红细胞、白细胞分类,染色体分析,癌细胞识别等;在工业和工程领域,如自动装处理和识别领域,如指纹识别,人脸鉴别,不完整图片的复原,以及交通监控、事故分析等。无论对于上述哪一个领域,都涉及到高清晰高分辨率的图像数据,需要对这些图像进行一系列的数字处理。数字图像处理的信息大多是二维信息,则要求大约/男畔⒘俊R虼硕约扑慊募扑闼俣群痛娲⑷萘康忍岢鼋高要求。大规模数据处理和现代图像处理算法要求图像处理系统必须具有强大的运算功能,特别是实时图像处理的场合,对硬件提出更高的要求。世纪年代后期,随着信息技术的发展,数字信号处理技术应运而生并得到迅速发展;年代初,,采用哈佛峁梗瞥鯰盗芯片,进一步将计算机的通用编程能力和专用的数字信号处理能力结合起来,并由此拉开了将数