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.

基于脉冲耦合神经网络和形态学的边缘检测

阐述了脉冲耦合神经网络(pulse coupled neural network,PCNN)模型的基本工作原理.对于含有噪声的图像,用传统的边缘检测方法不能很好地将图像边缘检测出来.考虑到PCNN在图像分割中的天然优势和数学形态学对图像的膨胀腐蚀作用,采用PCNN和数学形态学相结合的方法对含有噪声图像进行边缘检测.实验结果表明,该算法是有效可行的.

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。

基于脉冲耦合神经网络的刀具磨损检测

将仿生学中的脉冲耦合神经网络(PCNN)引入刀具磨损检测中,利用刀具磨损区域灰度强度明显高于刀体和背景区域灰度强度的特点,通过空间邻近和灰度相似集群像素获得分割的二值图像,从而达到对刀具磨损区域进行检测的目的。对车削加工中刀具不同磨损阶段的磨损图像进行分割试验,证明了该算法可以有效地判断刀具的磨损状态。

结合自适应脉冲耦合神经网络和最大类间方差准则的眼底图像血管自动检测方法

结合自适应脉冲耦合神经网络(PCNN)和最大类间方差准则,该文提出一种眼底图像血管自动检测方法。首先采用对比度受限的自适应直方图均衡化(CLAHE)和2维高斯匹配滤波对眼底图像进行预处理,以增强血管和背景的对比度;然后基于简化PCNN模型,结合最大类间方差准则对预处理后的眼底图像进行分割,针对PCNN神经元的链接强度通常为常数的不足,使用像素的拉普拉斯能量(EOL)作为对应神经元的链接强度值,使得PCNN能够根据像素特征自适应地调整神经元的链接强度;最后采用面积滤波、断点连接对分割结果进行后处理,得到最终的血管检测结果。对STARE眼底图像库的实验结果表明,该方法具有较高的鲁棒性、有效性和可靠性。

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。

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.

基于脉冲耦合神经网络的工件边缘定位

为实现在工业测量中对工件边缘的快速准确定位,以满足在线测量系统的实时性的要求,利用脉冲耦合神经网络(PCNN,Pulse Coupled Neural Network),并结合前三阶灰度矩实现了对工件边缘的精确定位。该方法首先利用脉冲耦合神经网络对待测量工件进行初步定位,然后利用初步定位的结果设置感兴趣的区域,再利用前三阶灰度矩在原始灰度图像上的感兴趣区域内进行边缘的亚像素细分。实验结果表明该方法抗噪声能力强,边缘定位准确,同时能够提高边缘的检测速度。

基于忆阻脉冲耦合神经网络的图像边缘检测

为了解决传统脉冲耦合神经网络模型硬件化效率低下和固有参数估计问题,基于忆阻器模型设计阈值发生器模块电路,可以同步改变输入激励下的阈值电位。并且,利用忆阻器实现网络连接参数的动态变化。实验结果表明,将改进后的网络用于图像边缘检测任务,通过MATLAB仿真实验,迭代次数更少,比传统PCNN模型的图像处理效率提高了13%,并有效地保留了图像边缘的细节。基于忆阻器的脉冲耦合神经网络不仅能简单高效地处理图像边缘数据,而且能有效抑制图像背景的噪声,同时也能提高图像边缘细节的连续性。

基于脉冲耦合神经网络的人脸图像边缘分割

为实现在复杂背景中对人脸图像边缘的快速分割,以满足对后续的人脸检测的准确性要求。本文利用脉冲耦合神经网络(PCNN),对人脸数据库JAFFE进行分割,这是一种依赖于图像的自然属性具有重要发展前景的图像分割方法。实验证明,该算法在背景与目标有重叠时分割效果优于阈值分割,分割出来的边缘较为光滑,封闭性好。

通过脉冲耦合神经网络来增强图像

图像增强是指对图像进行加工,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。该文提出了一个通过脉冲耦合神经网络来增强图像,使图像的边缘变得更清晰的方法,并用边缘检测算子对其结果进行了验证。实验表明这种方法具有良好的效果。

基于脉冲耦合神经网络的Live wire新方法的仿真研究

提出了一种基于脉冲耦合神经网络(PCNN)的Live wire分割新方法,Live wire方法是把图像当作一个连通图,在边上定义一个代价函数,然后通过搜索最短路径来找物体的边界,把用户指定的物体边界上的两点之间的最短路径当作物体的边界。最短路径是Live wire方法的重要步骤,本文在介绍脉冲耦合神经网络的基本工作原理和特性的基础上,将改进的脉冲耦合神经网络算法引入到Live wire边缘检测的算法中,用于最短路径算法的研究。并在改进算法中应用路径封锁和在线训练来提高算法的准确性和应用性。

一种基于脉冲耦合神经网络的去除脉冲噪声算法

针对脉冲噪声图像,传统的滤波算法容易造成图像模糊或者图像细节丢失等问题。在深入分析脉冲噪声的特点及脉冲耦合神经网络(PCNN)的内在机理的基础上,提出了一种基于PCNN和边缘信息的脉冲噪声滤波算法。通过PCNN找到图像的疑似噪声点,然后通过对像素的位置信息分析,采用不同的模板对图像进行中值滤波,得到脉冲噪声滤波的具体算法。试验结果表明,该方法不但能有效地去除图像中的脉冲噪声,而且能很好地保护图像细节信息。

基于改进的PCNN的彩色图像边缘检测算法

对PCNN在彩色图像分割和边缘提取上的应用进行了研究,首先利用图像本身灰度和空间等特性自动确定PCNN网络参数进而分割得到高质量图像,然后利用PCNN对彩色图像进行边缘提取。仿真实验结果表明,算法可以对不同特性的彩色图像进行有效的边缘提取,具有较好的健壮性。

基于改进PCNN与矢量法的输送带边缘检测

为解决带式输送机输送带边缘难以提取的问题,提出了一种改进脉冲耦合神经网络(PCNN,Pulse Coupled Neural Network)与数学矢量相结合的输送带边缘检测算法.针对PCNN模型参数较多,各个参数不易自动选取的缺点,改进了模型结构,减少了待定参数;在此基础上利用矢量法寻找输送带边缘.实验结果表明,算法具有较强的准确性和有效性.

Unit-Linking PCNN和图像熵的彩色图像分割与边缘检测

在RGB空间中,将最大香农熵准则和最小交叉熵准则两种评价准则与大概率合并和小概率合并两种合并策略相结合,提出基于Unit-Linking PCNN的四种彩色图像分割方案,并在各分量分割结果基础上利用Unit-Linking PCNN实施边缘检测,合并得到彩色图像的边缘检测结果。分析了各评价准则和合并策略的优劣,比较了各分割方案条件下的图像分割和边缘检测效果。与HSV空间中得到的相关结果进行分析比较,该文分割和边缘检测结果体现了图像的更多的细节,说明了在RGB空间中进行彩色图像分割和边缘检测的合理性。与相关文献结果相比,该方法的模型参数对图像分割结果的影响较不敏感。计算机仿真结果表明,该方法具有较好的彩色图像分割和边缘检测效果,具有较强适用性。

一种简化PCNN模型在彩色图像边缘检测上的应用

提出了一种改进的彩色图像边缘检测方法来克服传统方法不考虑色度信息及噪声影响而产生漏检、错检边缘的不足.通过提取图像的颜色主轴来综合表示图像的亮度和色度信息,并将彩色图像降维成包含色度信息的灰度图像用以检测;为了降低噪声对检测结果的影响,采用脉冲耦合神经网络(PCNN)模型.由于PCNN模型中的参数过多,不利于控制,故使用简化的PCNN模型来减少参数,达到比较好的控制.实验表明,这种基于颜色主轴的PCNN彩色图像边缘检测方法不仅能准确得到彩色图像的边缘信息,而且对噪声有很强的抑制作用.

基于PCNN的织物疵点边缘检测

由于纱线的螺旋性、粗细不匀和织物的柔性形变,使得织物的纹理带有较大的不规则性。 用基于特征或模型的分割方法识别织物纹理图像的疵点,效率较低,准确性较差。针对这个问题,提 出了一种基于PCNN的算法,它利用织物表面疵点区域的灰度强度不同于织物表面图像的灰度强度, 根据PCNN神经元是否点火,来获取织物疵点信息;然后将所提取的特征点按作用范围膨胀,并用 CANNY算子分割出织物疵点,提取织物疵点边缘。实验证明这种方法能有效地获取织物疵点特征, 并得到较为理想的边缘检测效果。

一种PCNN和边缘检测协同的SAR图像分割算法

针对高分辨率SAR(synthetic aperture radar)图像目标复杂,且具有严重的相干斑噪声,灰度出现剧烈起伏导致目标边缘模糊难以实现精准分割的问题,提出了一种分数阶傅里叶变换(fractional Fourier transform,FrFT)域中里兹分数导数(Riesz fractional derivative,RFD)边缘检测和脉冲耦合神经网络(pulse coupled neural network,PCNN)协同的高分辨率SAR图像分割算法。该算法首先将原始图像经过边缘检测处理以保留较好的边缘信息,再由PCNN模型进行图像分割,最后通过形态学进一步去除相干斑点。将所提算法应用到不同区域的高分辨SAR图像分割中,实验结果表明该方法能够有效抑制相干斑噪声和灰度边界模糊的影响,获得精准的分割效果。

基于多维PCNN的彩色枸杞细胞显微图像的边缘检测

改进脉冲耦合神经网络模型,结合矢量运算,提出一种基于多维脉冲耦合神经网络的边缘检测模型,直接提取彩色细胞图像边缘,且本模型算法在染色不均匀造成的弱边缘检测和抗噪性能等方面表现优异。仿真和实验结果进一步表明了该算法的有效性。