图像差异比较与CNN基因联络模板设计

通过设计细胞神经网络(CNN)基因联络模板,讨论对两幅图像的差异比较。提出利用细胞神经网络(CNN)可以高速、有效、直观地实现两幅图像的差异比较。同时,给出一个实例,说明所设计的这类细胞神经网络(CNN)基因在图像差异比较处理上的一个应用。

图像输出特征与CNN基因联络模板设计

讨论图像输出特征与CNN基因联络模板外形上的某种联系,以及旋转联络模板对图像输出的影响.给出两类单参数CNN基因联络模板,不通过理论分析确定参数,而直接利用计算机取值验证,这样大大简化图像处理的CNN基因确定过程,提出可以直接接合图像输出的特点,选择此类候选CNN基因联络模板形式.同时,充分利用CNN基因联络模板特征,给出在图像处理上的一个应用.

一类CNN细胞神经网络的稳定性

考虑CNN细胞神经网络方程的相应映射方程,利用矩阵谱半径性质及范数方法,得到了关于一类CNN细胞神经网络平衡点的全局渐近稳定的条件和结论。同时,给出了几个应用例子。

Design for CNN Templates with Performance of Global Connectivity Detection

The cellular neural/nonlinear network (CNN) is a powerful tool for image and video signal processing,robotic and biological visions. This paper discusses a general method for designing template of the global connectivitydetection (GCD) CNN, which provides parameter inequalities for determining parameter intervals for implementing thecorresponding functions. The GCD CNN has stronger ability and faster rate for determining global connectivity in binarypatterns than the GCD CNN proposed by Zarandy. An example for detecting the connectivity in complex patterns isgiven.

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.

基于细胞神经网络的视频分割算法研究

细胞神经网络(CNN)是一种局部互连的非线性并行模拟视觉处理系统,具有适合硬件实现处理速度快的优点,被广泛地应用于图像处理的各个方面。针对目前大多数视频分割算法难以满足实时性要求的缺点,将细胞神经网络应用到视频分割当中,提出了一种改进的基于细胞神经网络的视频分割算法,并通过仿真实验证明了其可行性。

基于细胞神经网络运动目标跟踪算法研究

运动目标跟踪是模式识别、图像处理、计算机视觉等领域的重要课题,它把图像处理、自动控制、信息科学有机结合起来,针对背景是静止的运动物体图像序列,提出了基于细胞神经网络移动目标跟踪,该算法大部分采用细胞神经网络结构,能够实现高效、快速的移动目标跟踪,可以满足实时需要,在实验基础上验证了该算法的有效性。

基于细胞神经网络的图像分割及其在医学图像中的应用

细胞神经网络 (cellularneuralnetwork ,CNN)在图像处理方面的应用研究已有很大进展 .其中 ,指定目标提取CNN现有算法应用于灰度图像时 ,其有效性依赖于初始点的选择 .以医学图像为例 ,对这种局限性进行了分析 ,并提出了一种改进CNN算法 ,实现了对图像中任意灰度区域的目标物体分割 .同时利用梯度信息和轮廓提取CNN确定轮廓 ,有效抑制分割过度 .人脑磁共振成像 (MRI)中肿瘤分割的实例表明 ,改进的算法具有实用性和有效性 .