基于pcnn的视觉特征捆绑方法分析-计算机应用技术专业论文.docxVIP

万方数据 万方数据 审阅认定书 研究生 韩有振 在规定的学习年限内，按照研究生培养方案的要 求，完成了研究生课程的学习，成绩合格；在我的指导下完成本学位 论文,经审阅，论文中的观点、数据、表述和结构为我所认同，论文 撰写格式符合学校的相关规定，同意将本论文作为学位申请论文送专 家评审。 导师签字： 年 月 日 万方数据 万方数据 致谢 时间轻盈的走，转眼间，三年的硕士时光马上就要结束了。回首这三年，从 学习型，到研究型；从会做事，到学做人，我变化了很多，也收获了很多，成长 了很多。自上学期开始，几个月的奋斗，我的毕业论文也终于出炉了，应该说， 这是对我三年学习、科研成果的检验，是一份大大的考卷。能够答好这份考卷， 离不开一直指导帮助我的各位师长，离不开一直默默支持我的家人朋友，也离不 开为我提供诸多优秀资源的学校，在此我要表达最诚挚的谢意，你们辛苦了。 首先我要感谢我的导师丁世飞教授。从大四开始接触，丁教授平易近人的处 事，严谨细致的学风，孜孜不倦的教诲，给我留下了深刻的印象。他学术能力强， 成果丰硕。他崇文尚礼，像慈父一样教育我们做人做事。他尽其所能为我们提供 了优秀的科研环境。正是这一切，才让我能够不断学习，不断超越，才能够有今 天的丁点成绩。 丁世飞教授对待学术严谨认真，精益求精。对于我的每一份成果，他都会仔 细地审阅，找出细微的缺陷，并给出有价值的建议。正是这些关心、指导，为我 能够取得进步起到了决定性的作用。他严谨的治学之风，谦和的为人之态，对学 术的不懈追求，必将影响和激励我的一生。 感谢计算机学院的各位领导老师，没有你们的关怀，就不会有我短时间内快 速的成长。感谢中国矿业大学，7 年来，矿大培养了我，我也深深地爱着这美丽 的校园。感谢智能信息处理联合实验室，这里见证了我 3 年的成长，也必将在我 生命中留下美好的回忆。感谢实验室的各位老师，各位博士，各位师兄师姐，师 弟师妹，没有你们的教导、帮助、激励，我不会发掘出自己的潜力，也就不会取 得今天的成绩。感谢梅二 B404 宿舍的各位师长，各位好兄弟，没有你们在工作 上的提携，在生活上的关心，我不会有这么多珍贵的锻炼机会，不会有这么多的 欢声笑语。 此外，还有我最需要感谢的父母、亲人，是你们给了我生命，感谢你们多年 的养育，默默的付出。感谢姐姐姐夫，迷茫的时光里你们是我最坚定的后盾；还 有我的小默涵，你的纯真诠释了生命的真谛。感谢我最爱的涛丽，是你的支持给 了我前进的动力。感谢所有关心支持我的朋友，正是有了你们这强大的后盾，才 使我轻松愉快地度过了人生中这段弥足珍贵的时光。 最后，我还要感谢参与我论文评审和答辩的各位老师，你们给了我一个审视 几年来学习成果的机会，让我能够更加明确今后的发展方向，你们对我的帮助是 一笔无价的财富。 我将在今后的工作、学习中加倍努力，以期能够取得更多更大的成绩，回报 你们，回报社会。再次感谢你们，祝你们一生幸福安康！ 万方数据 万方数据 摘 要 随着认知心理学、生物神经学等学科的不断发展，人们已经发现已有的视觉 计算理论与生物视觉机理有较大的差异，视觉计算理论很难把许多生物视觉的特 征准确地表现出来，因此研究生物视觉系统工作机制，探索其系统结构和工作机 理的数学规律，寻找任务态下的激励状态，对于认识生物视觉的本质规律，进而 实现具有生物视觉机理的机器视觉，具有重要科学意义和实用价值。 本文引入脉冲耦合神经网络（PCNN）模型，在模拟人类等高等动物视觉感 知的基础上，开展了基于矢量 PCNN 的视觉特征捆绑研究；另外，引入基于卷 积网络模型的图像识别，结合图像匹配技术，融合深度图像信息，开展了视觉特 征捆绑在避障机器人中的应用研究，主要研究内容如下： 1）构建了基于矢量 PCNN 的视觉特征捆绑模型。PCNN 模型是第三代人工网 络模型，其本身模拟生物刺激同步产生脉冲振荡，构造出网络，符合生理特性， 在此基础上构建了基于矢量 PCNN 的视觉特征捆绑，能够更好地模拟生物特征实 现图像颜色和形状的识别和捆绑。 2）研究了视觉特征捆绑在避障机器人中的应用。利用视觉特征捆绑理论， 基于卷积网络和图像匹配技术，融合深度图像信息，学习复杂环境的先验知识， 基于特征捆绑机制，并将结果反馈到避障机器人的避障中，智能、快速、高效、 准确地做出决策。 该论文有图 27 幅，表 2 个，参考文献 88 篇。 关键词：PCNN；视觉特征捆绑；卷积网络；图像匹配；图像识别 I 万方数据 万方数据 Abstract With the continuous development of cognitive psychology, biological neurology and other disciplines, it has been found that t