PCNN脉冲耦合神经网络.docVIP

PCNN脉冲耦合神经网络 目录 TOC \o 1-3 \h \z \u 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 分别以相对较小/较大的时间常数 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，此外还接受该神经元的外部刺激。 链接器以乘积耦合形式 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的变化发生变化。 当阈值θj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θj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 变量说明 β:内部活动项的连接因子 F、VF、τF：反馈输入域、其放大系数、衰减时间常数 L、VL、τL：耦合连接域、其放大系数、衰减时间常数 θ、Vθ、τθ：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 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 功能及应用 图像去噪 现实中的数字图像在数字化和传输过程中常受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（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