论文部分内容阅读
人的直观性思维是将分布式存储的信息综合起来,其根本点在于:1、信息是通过神经元上的兴奋模式分布储存在网络上;2、信息处理是通过神经元之间同时相互作用的动态过程来完成的。从模仿人脑智能的角度出发,构造出一种更加接近人类智能的信息化处理系统和设计一种全新的计算机处理机构模型来解决实际工程和科学研究领域中的冯·诺依曼计算机难以解决的问题,这就促使了人工神经网络的诞生。脉冲耦合神经网络(Pulse Coupled Neural Network-PCNN)是一种有着生物学背景且不同于传统人工神经网络的新一代人工神经网络。PCNN利用了神经元特有的脉冲发放、双通道相乘调制、阈值动态可变的特性,很好地模拟了生物神经元的疲劳、不应期和脉冲激励现象,这样PCNN模型向生物实际神经网络更靠近了一步,其对周围信号的处理能力就更强,近年来受到大量研究者的密切关注。它可应用于图像处理、模式识别、优化等领域。在图像处理领域,PCNN显示出了独特的优越性,特别是图像分割和边缘检测,一直都是图像处理研究的热点。本文对PCNN模型进行了深入的研究,利用Unit-Linking PCNN模型进行彩色图像分割;利用PCNN简化模型对彩色图像分割后再利用Unit-Linking PCNN模型对彩色图像实施边缘检测。本文主要解决了PCNN简化模型关键参数选择困难、彩色图像分割和边缘提取质量等问题。本文所做的研究工作以及所取得的研究进展主要在以下几个方面:一、综述了PCNN和改进后的通用PCNN模型和原理;单位链接脉冲耦合神经网络(Unit-Linking PCNN)模型和原理。二、提出了一种基于HSI颜色空间的彩色图像分割方法。彩色图像被分解成彩色通道和亮度通道后,对彩色通道采用Unit-Linking PCNN的分割算法进行分割,对亮度通道采用最大类间方差阈值算法进行分割,然后将分割后的结果合并后得到最终分割结果。实验表明,将彩色分量和亮度分量采用不同的方法分割合并后得到了很好的效果,解决了RGB空间相关性高的问题。三、提出了一种特殊的彩色图像预处理方法。将彩色图像从RGB空间转化到HSV空间,对亮度分量V进行对数变换后转换回RGB空间,增强了图像目标和背景的对比度,改善了图像的视觉效果,将图像转换成更适合于人眼观察和机器分析识别的形式,从图像中获取更有用的信息,提高了最终彩色图像分割和边缘检测的效果。四、在彩色图像分割的过程中利用遗传算法进行PCNN模型关键参数的自动选择,避免了参数繁多,设置困难,结果对参数敏感的问题。五、采用偏态指标作为分割计算中的评价准则。与最大熵和交叉熵相比,最小偏态指标法和Ostu法的计算量相当,而最大熵和交叉熵准则由于涉及到对数运算,所以速度较慢。六、在彩色图像边缘检测中,提出了一种对R、G、B三个分量的二值分割图对应的边缘检测图采用加权合并策略的合并方法,从而减少了一些破碎的边缘。