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。

改进脉冲耦合神经网络的语音识别研究

提出了一种改进脉冲耦合神经网络(IPCNN)实现语音识别的方法。首先利用IPCNN来快速提取语音的语谱图图像特征,然后由概率神经网络(PNN)辅助来识别语音。通过训练语音样本来构成语音识别库并建立综合识别系统。实验结果表明,该方法相对于单独使用PCNN和PNN识别率分别提高了22.7%和39.4%,达到92%的识别率。

基于改进脉冲耦合神经网络的动态人脸识别

动态人脸识别在实时监控和人员追踪等领域具有广泛应用前景,是目前人脸识别技术的研究热点之一。针对传统人脸识别技术在动态人脸识别应用中识别率不高的问题,提出一种基于背景差分法的改进脉冲耦合神经网络的动态人脸识别方法。利用脉冲耦合神经网络时空总和特性,将脉冲耦合神经网络神经元与人脸图像像素对应,使对不同人脸图像像素产生不同点火序列,通过对图像像素点火序列分析,可以进行不同人脸的区分。对500组动态人脸图像的随机抽取实验表明,改进脉冲神经网络对实际场景中的动态人脸识别性较好,可以较好地对不同人物进行区分,具有稳定鲁棒性。

认知无线电中基于改进脉冲耦合神经网络的频谱分配算法

本文研究认知无线电中的频谱分配问题,分析了脉冲耦合神经网络(PCNN)模型的脉冲传递和数据耦合特性在频谱分配中的作用,研究了授权用户可占用时间对认知无线电通信系统的影响,改进了PCNN模型,提出了一种基于PCNN的频谱算法,在避免频谱干扰的前提下缩短了频谱跨度,减少了频率的使用个数;将授权用户的可占用时间作为分配频谱的依据之一,在保证授权用户通信的基础上提高了系统中非授权用户的吞吐量。最后通过实验证明了算法的有效性。

改进脉冲耦合神经网络及二维Otsu算法的光伏阵列阴影检测

阴影对太阳能发电系统输出功率有极大的抑制作用,该文针对光伏阵列局部遮荫现象提出一种基于改进的脉冲耦合神经网络的阴影检测方法.设置合适的初始参数,根据unit-linking PCNN(ULPCNN)算法进行阴影分割,利用二维Otsu算法自动选取迭代次数,以循环迭代过程中具有最优阈值的分割图像为最终分割结果.仿真结果表明:该算法可检测出光伏阵列局部阴影,与传统的脉冲耦合神经网络算法及ULPCNN算法相比分割结果更好,操作更简洁.

基于改进脉冲耦合神经网络的电路板红外图像分割

电路板红外图像发热芯片区域准确分割是电路板故障诊断的关键步骤,但灰度不均匀、目标区域多、辐射噪声大使电路板红外图像的准确分割变得较为困难。针对这一问题,本文提出一种改进的脉冲耦合神经网络(Pulse Coupled Neural Network,PCNN)红外图像分割模型。首先,调整传统PCNN的模型结构,将图像梯度信息作为输入信号增加到模型输入域;其次,基于最大似然估计原理,推导出链接系数β的动态调整方法;最后,在脉冲发生域引入边缘约束算法,防止邻域神经元误捕获,增强目标区域的可分割性。实验结果表明,改进模型能够有效降低背景及辐射噪声影响,准确分割出不同类型电路板红外图像目标芯片区域,在视觉效果、区域一致性和对比度方面均优于已知的Ostu、K-means和传统PCNN模型,分割性能得到明显增强。

基于改进脉冲耦合神经网络模型的真空电弧燃烧过程研究

真空开关开断电流过程中电弧形态演变和特征量变化过程是决定真空开关开断能力的关键特性之一。该文首先建立改进脉冲耦合神经网络(PCNN)模型,对真空电弧图像进行多值分割;然后利用形态学技术对分割电弧图像进行连通域选取和边缘噪声滤波,用于量化描述动触头位移、电弧面积等特征参数;最后结合特征参数曲线和电弧实验图像,对整个开断过程中真空电弧产生、发展和熄灭等燃烧过程展开定量和定性分析。研究结果表明,改进 PCNN 模型适用于处理边缘区域灰度梯度变化大的真空电弧图像,呈现出细节特征丰富、边缘清晰、噪声低和分割精度高等特点;结合电弧特征参数和实验结果对电弧燃烧过程进行定量和定性分析,相比前期研究工作更加细化深入;不同峰值电弧电流对电弧面积、电弧最大面积出现时刻、电弧各燃烧阶段持续时间和转变过程均有很大影响。本文将定量计算和定性分析相结合,较深入地研究了真空开关开断过程中电弧的燃烧过程,研究工作对真空电弧调控策略的提出具有一定的参考价值。

基于改进脉冲耦合神经网络的螺母工件图像分割

针对机器视觉螺母识别,提出了改进脉冲耦合神经网络(MPCNN)算法实现工件图像分割.该算法采用了线性调制模型,增强了反馈激励作用,简化了神经元的外部输入的连接方式,并通过分段动态激活函数保证算法能够快速形成神经元激活区.采用该算法对实际螺母工件图像进行了分割实验,并和已有2种算法进行了比较,得出该算法区域一致性测度大于0. 99,较好的实现了螺母工件图像分割.

基于剪切波变换和脉冲耦合神经网络的图像融合方法研究

图像融合的目的是将多个来源的图像合并,从而产生1个包含所有原始图像信息的新图像。传统的图像融合方法可能损失一些重要信息或导致图像失真,因此研究新的图像融合方法具有重要意义。作为新兴技术,剪切波变换和脉冲耦合神经网络在图像融合中的应用潜力尚未被充分发掘。文章致力于研究这2种技术在图像融合中的效果,并提出结合两者的新方法。

基于脉冲耦合神经网络的图像分割算法分析

为进一步提高脉冲耦合神经网络(PCNN)在图像分割中的性能,文章研究了基于PCNN模型的图像分割算法,并探讨其模型简化算法,旨在减少其中的参数量,从而提高图像分割处理效率和分割效果。借助Girl属性图像进行仿真验证,通过与OTSU算法及LevelSet算法的分割效果进行对比,文章论证了算法的有效性及可行性。实验结果表明,该算法具有显著的分割效果。

双通道量子脉冲耦合神经网络

脉冲耦合神经网络(PCNN)在图像处理领域应用广泛,改进的双通道脉冲耦合神经网络(DPCNN)也在图像融合领域具有优异性能。为了将量子计算的优异并行性能与双通道脉冲耦合神经网络相结合,降低其算法复杂度,提出了双通道量子脉冲耦合神经网络(DQPCNN)。该模型使用量子逻辑门构建量子模块,如量子全加器、量子乘法器和量子比较器,构建了一个适用于DQPCNN的量子图像卷积模块,并采用这些模块完成DQPCNN所需的计算。通过仿真实验证明了DQPCNN的有效性,DQPCNN的复杂度与其他模型相比具有明显优势。

基于改进型脉冲耦合神经网络的图像二值分割

图象二值分割在图像分析和模式识别中是一项最基本也是最重要的预处理 ,它处理的好坏将直接影响后续的分析和处理效果。如何更有效、适应性更强地实现图像二值化 ,一直是困扰人们的一个难题。该文提出了一种新的图像二值分割方法———基于脉冲耦合神经网络的图像二值分割。它利用脉冲耦合神经网络的特性 ,实现图像的二值化。与传统图像二值化方法相比 ,它完全是一种与图像自适应的二值分割 ,易于软件和硬件的实现。对于含有丰富细节或低对比度的图像二值分割 ,该方法的优越性更为突出。实验结果表明了该方法的有效性。

基于三维模糊连接脉冲耦合神经网络的肾脏CT图像自动分割算法

3维肾脏CT图像的自动准确分割对减轻医师阅片工作量和提高计算机辅助诊断效率具有重要意义。但是,由于肾脏器官的结构复杂性以及邻近部位的灰度相似性,3维肾脏的准确分割仍具有挑战性。该文基于简化脉冲耦合神经网络(SPCNN)结构简单、参数量少的特点,结合模糊连接度(FC)算法,提出一种3维肾脏CT图像的自动分割算法。主要贡献为:(1)将SPCNN的2维模型扩展为3维模型,可以充分利用3维CT图像的层间信息;(2)提出了一种基于感兴趣区域质心的3维种子点自动生成策略,可以有效提高算法的自动分割效率;(3)实现了3维FC响应图与3维SPCNN的有效耦合。所提算法在自制数据集和公开数据集上进行了验证实验,结果表明该算法的性能优于现有的主流算法,其Dice系数、准确率、敏感度、体积误差、平均对称表面距离的平均值分别可以达到0.9095,0.9969,0.8517,0.1749和0.8536。

采用脉冲耦合神经网络的改进显著性区域提取方法

由于仅考虑颜色等视觉对比信息的视觉显著性提取模型不符合人眼生物学过程,本文提出了一种基于混合模型的改进显著性区域提取(ISRE)方法。该混合模型由显著性滤波算法和改进脉冲耦合神经网络(PCNN)算法构成。首先,利用显著性滤波器算法获得原图像的初始显著性图(OSM)和亮度特征图(IFM),用IFM作为PCNN的输入神经元;然后,进一步对PCNN点火脉冲输入进行改进,即对PCNN内部神经元与OSM的二值化显著性图进行点乘,确定最终点火脉冲输入,以获得更加准确的点火范围;最后,通过改进后的PCNN多次迭代,完成显著性二值化区域提取。基于1 000张标准图像数据库进行的实验结果显示:在视觉效果和客观定量数据比对两方面,本算法均优于现有的5种显著性提取方法,平均查准率为0.891,平均召回率为0.808,综合指标F值为0.870。在真实环境实验中,所提算法获得了精确的提取效果,进一步验证了本算法具有较高的准确性和执行效率。

一种改进型脉冲耦合神经网络及其图像分割

本文结合人类视觉系统 (HVS)对图像信息含量区域敏感度不同这一特性 ,以神经元接近点火程度的一致性描述图像空间邻域所含的信息量 ,对通常的脉冲耦合神经网络模型 (PCNN -PulseCoupledNeuralNetwork)进行了改进 ,提出了一种基于改进PCNN的图像自适应分割算法 .该算法根据象素及其周边区域的信息量大小发放不同值的脉冲 ,从而自适应地将图像分为多个不同等级的高低信息区域 ,较好地仿真了人类视觉系统特性 .最后对用这种方法进行图像分割的结果进行基于信息量的图像压缩 ,在压缩比和重建图像主观视觉感知质量上均达到了良好的性能 。

改进的脉冲耦合神经网络人脸特征提取方法

针对基于子空间分解的人脸特征提取方法对人脸图像在采集过程中的光照、旋转、位置等变化较为敏感的问题,提出了一种改进的脉冲耦合神经网络人脸特征提取方法。该方法模拟生物视觉的感知过程,将人脸图像分解成由若干二值图像组成的认知序列,计算序列中的每幅二值图像的熵作为人脸特征,基于支持向量机实现分类与识别;同时克服了标准的脉冲耦合神经网络模型参数过多的缺点,识别率也有所改善。理论与实验结果表明,该方法与现有的基于子空间分解的人脸特征提取方法相比,对人脸图像在采集过程中的光照、旋转、位置等变化有较强的鲁棒性,而且具有较低的维数。

改进型脉冲耦合神经网络在图像处理中的动态行为分析

为了进一步拓展脉冲耦合神经网络(Pulse coupled neural network,PCNN)在图像处理领域的应用深度,本文对改进型PCNN在图像处理中的动态行为结合网络参数进行了具体的理论分析和公式推导,明确了PCNN的动态行为特性受网络参数变化的影响,并给出了保证其所有神经元只点火一次的网络参数确定准则,最后将改进型PCNN应用于实际图像分割中.实验结果证明了其动态行为特性与参数确定准则之间关系的正确性和算法的有效性.

基于改进的脉冲耦合神经网络的红外目标分割方法

针对红外目标的特点 ,提出了一种基于直方图的改进脉冲耦合神经网络 ( PCNN)图像分割方法 ,本算法摒弃了原有脉冲耦合神经网络模型中的时间指数下降机制 ,利用灰度直方图的知识直接获得 PCNN的分割门限 ,同时保留了弥补空间罅隙和灰度微小变化的优点 .实验表明本算法分割得到的目标区域更加完整 。

基于改进的脉冲耦合神经网络模型的图像分割

提出了一种改进的脉冲耦合神经网络(Receptive field-pulse coupled neural net-works,RF-PCNN)模型。通过感受野模型对连接矩阵的优化,使脉冲耦合神经网络(Pulsecoupled neural networks,PCNN)模型具有了方向性和尺度性,能够更好地模拟视觉细胞图像分割的功能。试验结果表明:RF-PCNN模型对自然环境中车辆图像分割的有效性,分割结果具有较高的边界检出率,较好地解决了图像分割中车牌区域存在的欠分割和过分割问题。

基于改进型脉冲耦合神经网络的混沌相态分类方法

混沌相态分类是利用混沌系统检测微弱信号的关键步骤.提出一种基于改进型脉冲耦合神经网络的混沌相态分类方法.利用该网络模拟哺乳动物视觉皮层神经细胞活动的特点,提取混沌系统输出相态图的结构特征,并应用均值残差算法进行特征信息降维,进而实现对系统混沌态与周期态的实时判别.以Lyapunov特性指数方法作为评价准则,分别使用正弦信号和标准ECG信号对所提方法进行检验,实验结果表明,所提方法可以快速、准确地对不同的混沌相态进行分类.