基于改进脉冲耦合神经网络的数据降噪方法研究

为了解决数据中存在噪声点降低了数据的质量,影响了对数据进一步分析的可靠性等问题,提出了一种基于改进脉冲耦合神经网络(pulse coupled neural network,PCNN)的数据降噪方法。该方法在保留基本PCNN模型一些特性的基础上将其简化,省去了部分参数的设置,并改进突触链接强度为自适应取值,添加了记录神经元点火次数的点火频次矩阵。根据神经元点火次数辨识并滤除噪声点,使得该方法能够简单有效地对数据进行降噪处理,改善了数据质量。实验结果表明了该方法不仅能够有效滤除低维数据中的噪声点,而且对高维数据中的噪声点去除效果较好,且均较好保持了原有数据的特征信息。

基于双通道脉冲耦合神经网络的应用研究

通过对双通道脉冲神经网络模型的改进,提出了一种邻域SEML激励的自适应双通道脉冲耦合神经网络医学图像融合的新方法。即通过提高模型的性能和脉冲神经网络进行自动化图像处理的能力。首先介绍了双通道脉冲耦合神经网络模型及其原理,然后阐述了基于这一模型的一种新融合算法,最后对本文融合算法以及各传统融合算法得到的实验仿真结果进行了分析。

时空神经网络及其在机场噪声预测中的应用

针对时空序列建模分析问题,利用函数扩展技术,结合线性脉冲响应滤波原理,提出一种新型时空神经网络。该网络由函数扩展功能模块和线性延时脉冲模块组成。函数扩展功能模块将网络输入空间映射到高维空间,实现时空序列非线性模式到高维映射空间线性模式转换;线性脉冲延时模块等效于时空线性脉冲响应滤波器,用于拟合时空序列中的线性模式。采用LevenbergMarquardt最优方法对网络进行训练,设计时空神经网络的快速学习算法。机场噪声仿真结果表明,该网络具有快速收敛和高精度的特点,预测精度高于时空自相关移动平均模型和多层感知器神经网络。

单一链接PCNN自适应脉冲噪声滤波

为有效滤除灰度图像中的脉冲噪声并保留图像的细节信息,提出了单一链接脉冲耦合神经网络(Single-Linking Pulse-Cou-pled Neural Network,SL-PCNN)模型。SL-PCNN简化了传统的PCNN参数,可自适应选取滤波阈值,SL-PCNN对原图像和反转图像进行两次点火过程即可定位出噪声点而无需进行PCNN循环,然后用中值滤波器滤除噪声。实验结果表明,在噪声强度不大于60%时,SL-PCNN的性能优于经典的脉冲噪声滤波算法;在噪声强度较大时SL-PCNN的性能优于常见的PCNN脉冲噪声滤波算法,主观及客观评价证明该算法的有效性。

基于MMPN和可调节链接强度的图像融合

多小波系统可以同时具备正交性、紧支撑、对称性等特性,PCNN是具备生物视觉背景的第三代神经网络,用于图像处理有先天的优势.本文综合利用多小波和PCNN的优点,提出了基于PCNN脉冲数匹配度MMPN的图像融合算法.该算法中,各个神经元的链接强度依符合人类视觉特性的多小波域图像对比度而自适应地取值.实验表明,该算法可以更有效地提高融合图像的熵、标准差和质量测度,性能良好.

基于自适应脉冲耦合神经网络图像融合新算法

针对传统的基于脉冲耦合神经网络(PCNN)的融合算法中每个神经元链接强度取同一常数的不足,提出了一种基于自适应PCNN图像融合新算法。作为显著性特征,使用像素的拉普拉斯能量(EOL,energy of Lapla-cian)和标准差(SD,standard deviation)分别作为PCNN对应神经元的链接强度值。实验结果表明,本文方法融合结果优于Laplacian方法、小波方法和传统的PCNN方法。

PCNN在金属拉链缺陷检测中的应用

针对传统金属拉链缺陷人工检测方法效率低、稳定性差、误检率高等缺点,提出一种基于脉冲耦合神经网络(Pulse Coupled Neural Networks,PCNN)和灰度跃变检测的金属拉链缺陷检测方法。针对拉链图像的特点,通过对传统PCNN进行改进以提高金属拉链图像二值分割处理速度;将传统PCNN和形态学理论相结合,提取链齿特征图像;采用区域像素统计与灰度跃变检测的方法实现金属拉链缺陷自动检测;完成检测系统的设计并进行实验研究。实验结果表明提出的检测方法快速、准确、可行。

基于门控卷积网络与CTC的端到端语音识别

针对传统声学模型存在模型组件复杂且不能统一进行训练,数据必须进行预对齐的问题,提出基于一维门控卷积神经网络与CTC的中文端到端语音识别模型。通过堆叠多层一维卷积神经网络进行声学建模,提取包含上下文信息的高层抽象特征,融合门控线性单元减少梯度弥散,利用CTC算法实现以汉字字符作为建模基元的端到端训练和解码。在公开数据集上的实验结果表明,与基线模型相比,该模型语音识别性能有明显提升,字错误率降低了3.3%以上。

基于NSCT和PCNN的红外与可见光图像融合方法

提出了一种基于非采样Contourlet变换(NSCT)和脉冲耦合神经网络(PCNN)的红外与可见光图像融合方法。首先用NSCT对已配准的源图像进行分解,得到低频子带系数和各带通子带系数;其次对低频子带系数采取一种基于边缘的方法以得到融合图像的低频子带系数;对各带通子带系数提出了一种改进的基于PCNN的图像融合方法来确定融合图像的各带通子带系数;最后经过NSCT逆变换得到融合图像。实验结果表明,本文方法优于Laplacian方法、小波方法和传统的NSCT方法。

基于Shearlet与改进PCNN的图像融合

提出了一种基于离散剪切波(shearlet)和改进的脉冲耦合神经网络(PCNN)进行图像融合的方法。首先,采用shearlet变换将已配准的两个源图像进行分解,得到低频子带系数和不同尺度不同方向的高频子带系数,低频部分采用简单的加权平均法;高频部分,提出基于改进的拉普拉斯能量作为PCNN链接强度的算法。最后,进行shearlet反变换得到融合图像。仿真结果表明,本文的算法有更好的融合效果,并且所用时间也比非采样轮廓波(NSCT)少。

基于提升小波变换与自适应PCNN的医学图像融合方法

为了更好地满足临床辅助诊断和治疗的需要,提出一种基于提升小波变换的CT与MRI图像的融合方法.该方法在低频子带采用基于区域能量的融合规则;高频子带采用自适应脉冲耦合神经网络(PCNN)的融合规则,通过应用PCNN简化模型把图像逐像素的梯度能量作为PCNN的链接强度,使得PCNN能根据像素梯度能量的变化来自适应地调整链接强度的大小,并根据点火次数确定高频子带融合系数.实验结果表明,文中方法与传统融合方法相比性能优越,丰富了融合图像的边缘及细节信息,可取得更好的融合效果.

一种自适应PCNN多聚焦图像融合新方法

该文通过分析脉冲耦合神经网络(PCNN)参数模型,结合多聚焦图像的基本特点和人眼视觉特性,提出了一种自适应PCNN多聚焦图像融合的新方法。该方法使用图像逐像素的清晰度作为PCNN对应神经元的链接强度β,经过PCNN点火获得每幅参与融合图像的点火映射图,再通过判决选择算子,判定并选择各参与融合图像中的清晰部分生成融合图像。该方法中,其它参数如阈值调整常量△等对于融合结果影响很小,解决了PCNN方法的参数调整困难的问题。实验结果表明,该方法的融合效果优于小波变换方法和Laplace塔型方法。

基于局部对比度的自适应PCNN图像融合

提出了一种结合人眼视觉特性的自适应PCNN图像融合新方法,使用图像逐像素的局部对比度做为PC-NN对应神经元的链接强度,经过PCNN点火获得参与融合图像的点火映射图,再通过判决选择算子,选择各参与融合图像中的明显特征部分生成融合图像.该方法除几个主要参数外,其它参数如阈值调整常量等对于融合结果影响很小,解决了PCNN用于图像处理时参数多且调整困难的问题.实验结果表明,融合效果优于经典的小波变换方法和Laplacian塔型方法.

局部化NSST与PCNN相结合的图像融合

为了提升多模态图像融合精度,提出了一种局部化非下抽样剪切波变换与脉冲耦合神经网络相结合的图像融合方法。首先,利用局部化非下抽样剪切波对源图像进行多尺度、多方向分解;然后,在分解后的各子带图像中,利用局部区域奇异值构造的局部结构信息因子作为PCNN神经元链接强度。经过脉冲耦合神经网络点火处理,获取子带图像的点火映射图,通过判决选择算子,选择各子带图像中的明显特征部分生成子带融合图像;最后,应用局部化非下抽样剪切波逆变换重构图像。选用多组不同模态的图像进行实验,并对实验结果进行了客观评价。实验结果表明,本文提出的融合方法在主观和客观评价上均优于一些典型融合方法,可获得更好的融合效果。

基于LNSST与PCNN的红外与可见光图像融合

为了提升红外与可见光图像融合精度,提出了一种局部化非下抽样剪切波变换与脉冲耦合神经网络相结合的红外与可见光图像融合方法。首先,利用局部化非下抽样剪切波对源图像进行多尺度、多方向分解;然后,在分解后的各子带图像中进行块奇异值分解,求取区域特征能量值作为脉冲耦合神经网络对应神经元的链接强度。经过脉冲耦合神经网络点火处理,获取子带图像的点火映射图,通过判决选择算子,选择各子带图像中的明显特征部分生成子带融合图像;最后,应用局部化非下抽样剪切波逆变换重构图像。采用多组红外与可见光图像进行融合实验,并对融合结果进行了客观评价。实验结果表明本文提出的融合方法在主观和客观评价上均优于已有文献的一些典型融合方法,可获得更好的融合效果。

基于NSCT和PCNN的遥感图像融合算法

为能同时获得空间信息与光谱信息,提出一种基于非下采样Contourlet变换(NSCT)和脉冲耦合神经网络(PCNN)的遥感图像融合算法。通过NSCT分解得到多光谱与高分辨率图像,并对其高低频分量采用不同的准则进行融合。实验结果表明,该算法能较好地保留图像光谱信息,提高图像的空间分辨率。

利用邻域激励的自适应PCNN进行医学图像融合

对于不同模态的医学图像进行融合处理,可为临床提供新的诊断信息,设计了一种邻域空间频域激励的自适应PCNN医学图像融合新方法。首先,使用图像逐像素地改进拉普拉斯能量和(SML)清晰度作为PCNN对应神经元的链接强度;同时利用邻域空间频域(SF)特征信息激励每个神经元;然后,将源图像输入PCNN获得点火映射图构成的点火频数,再判定并选择各参与融合图像中的清晰部分生成融合图像。实验结果表明,该算法具有比经典金字塔方法、小波变换方法和传统的PCNN方法更好的融合性能。

基于NSCT和自适应PCNN的遥感图像融合方法

以全色和多光谱遥感图像为研究对象,提出一种基于非下采样Contourlet变换(NSCT)和自适应脉冲耦合神经网络(PC-NN)的遥感图像融合方法;该方法首先对全色图像和进行过IHS变换的多光谱图像的亮度分量进行NSCT变换,得到低频子带系数和各带通子带系数;其次对低频子带系数采取一种基于边缘的方法以得到融合图像的低频子带系数;然后采用以各带通子带系数的梯度作为PCNN的链接强度β的PCNN图像融合方法来确定融合图像的各带通子带系数;最后经过NSCT逆变换和IHS逆变换得到融合图像;实验结果表明,此方法更好地保留了原遥感图像中的有用信息,并提高了融合图像的质量。

基于IPCNN的红外与可见光图像融合算法

为充分保留源图像的细节信息,提高融合图像的清晰度、对比度,提出一种基于改进脉冲耦合神经网络(improved pulse coupled neural network,IPCNN)的红外与可见光图像融合算法。对源图像进行非降采样轮廓波变换(nonsubsampled contourlet transform,NSCT),采用基于静态小波变换(static wavelet transform,SWT)的融合策略对低频子带进行融合,对高频子带采用绝对值取大与IPCNN相结合的融合方式,在融合过程中引入链接突触计算神经网络(linking synaptic computation network,LSCN)进行图像增强,通过NSCT逆变换得到融合图像。实验结果表明,该算法的融合图像在清晰度、对比度、图像信息熵等方面均具有较好的优势。

基于PCNN的图像椒盐噪声滤除方法

传统的降噪方法在图像降噪之后会损坏图像的部分边缘细节信息,致使图像的轮廓变得模糊不清。为了达到更好的图像降噪效果,提出一种改变突触链接强度和改进阈值函数的脉冲耦合神经网络的图像降噪方法。该方法将基本脉冲耦合神经网络模型进行简化,使突触链接强度自适应取值,将阈值函数改进为分段的衰减函数,从而提高对图像不同灰度值的分辨力,并根据神经元与其周围神经元点火时间差定位噪声点,提高了算法对噪声点的辨识精确度,进而实现更好的降噪效果。实验结果表明,改进方法准确地辨识出了图像的椒盐噪声点,并且能够有效去除噪声点,同时很好地保护图像边缘细节。