论文部分内容阅读
脉冲耦合神经网络(Pulse coupled Neural Network，PCNN)是一种有着生物学背景的新一代人工神经网络，与传统人工神经网络(Artificial Neural Network，ANN)模型有着很大的区别。PCNN具有脉冲耦合、双通道相乘调制和阈值动态可变的主要特性，并在此基础上产生不应期和脉冲捕获现象，同时神经元在相互作用时体现了时间和空间累加特性，很好地模仿了生物神经元特性。它可用于图像处理，优化等领域，并显示了独特的优势，对其展开深入的研究应用具有重要的理论和现实意义。本文对PCNN进行了深入分析研究，提出了相应的简化模型，解决了PCNN在图像增强中部分问题，并拓展了PCNN应用范围。
本文的工作取得了以下进展：
1)在脉冲耦合神经网络(Pulse Coupled Neural Network)模型基础上，提出了DLPCNN (Double Level PCNN)模型。DLPCNN模型能有效地对多灰度级图像进行增强。该方法通过快速并行计算，分层处理、动态步长调整实现对多灰度级图像处理，与传统方法相比体现了较好的优势。
2)提出了简化PCNN模型用于对灰度图像进行伪彩色处理，达到进行图像增强的目的。该方法通过快速并行计算，最大化实现RGB三色的相关性，合理地实现灰度级与彩色颜色的对应，与传统方法相比体现了较好的优势。