Robustness Design for CNN Templates with Performance of Extracting Closed Domain

The cellular neural/nonlinear network （CNN） is a powerful tool for image and video signal processing, robotic and biological visions. This paper introduces a kind of CNNs with performance of extracting closed domains in binary images, and gives a general method for designing templates of such a kind of CNNs. One theorem provides parameter inequalities for determining parameter intervals for implementing prescribed image processing functions, respectively. Examples for extracting closed domains in binary scale images are given.

用细胞神经网络实现盲均衡的一种新方法

本文提出并讨论了用细胞神经网络实现通信信号盲均衡的可能性,并基于对盲均衡算法的分析推出了相应细胞神经网络模板的设计方法,针对存在多径干扰的二值信号处理问题进行了计算机仿真,结果证明了这一想法是合理的。

用细胞神经网络实现图像恢复的一种新方法

本文提出并讨论了用细胞神经网络实现图像最大熵恢复的可能性,并基于对最大熵方法的物理实质分析推出了相应细胞神经网络模板的新设计方法,针对二值图象的恢复问题进行了计算机仿真,结果证明了这一方法是可行的。

灰度逻辑蕴含运算CNN模板的鲁棒性设计

为了解决灰度图像逻辑蕴含运算的问题,该文对一类灰度图像逻辑蕴含运算细胞神经网络(Gray-scale logic converse implication operation cellular neural network,GLCIO CNN)进行了研究。通过制定两幅灰度图像之间的逻辑蕴含运算,设计了一类GLCIO CNN。根据GLCIO CNN的局部规则,对其模板进行鲁棒性设计,提出相应的鲁棒性设计定理,并给出了科学合理的数学证明。只要细胞神经网络的模板参数满足定理中提出的参数不等式,细胞神经网络(CNN)就能够对两幅灰度图像执行逻辑蕴含运算。实验结果验证了GLCIO CNN的有效性及鲁棒性设计定理的可行性。

基于细胞神经网络鲁棒性的彩色图像边缘检测

根据细胞神经网络(CNN)数学模型,提出一种新的彩色图像边缘检测方法。新方法继承了CNN的优点,解决了CNN现有算法不能直接检测彩色图像边缘的问题。该方法充分利用图像中的颜色信息,通过欧几里得距离度量像素之间的差异,使CNN方程可以在RGB彩色空间中进行运算。对CNN模板进行理论分析和鲁棒性研究,提出一个实现彩色图像边缘检测功能要求的CNN鲁棒性定理,为设计相应的CNN模板参数提供了解析判据。实验结果表明,该方法可以对彩色图像进行有效的边缘提取,定量评价验证了CNN边缘检测定位准确的优点。