简化PCNN在磨粒图像颜色特征提取中的应用

提出了一种简化脉冲耦合神经网络(pulse coupled neural network,PCNN)的磨粒图像颜色特征提取方法,将简化PCNN分别作用于RGB磨粒图像的3个颜色分量,利用PCNN的脉冲耦合特性对颜色分量进行二值分解。通过定义图像像素捕获率把PCNN二值图像序列转化为一维时间序列,提取捕获率时间序列的均值、标准差、峰值、能量和熵作为磨粒图像的颜色特征,并将提取的特征输入最小二乘支持向量机(least square support vector machine,LS-SVM)对磨粒进行识别。研究结果表明:与单纯的颜色特征相比,PCNN颜色特征能更好地表达磨粒的颜色特征,平均识别率达到98%。

基于矢量的PCNN模型及其应用

传统PCNN应用于图像分割时,同属于一个区域的内部像素和边缘像素,由于其相邻的被激活像素的个数不同造成连接输入明显不同,这往往造成了误分割。本文对传统PCNN模型加以改进,将输出结果由脉冲序列改成曲线,克服了上述缺点。本文将矢量的概念引入PCNN,使PCNN处理的数据由标量扩充到矢量。传统PCNN一直主要应用于灰度图象处理,本文提出了一种新的应用于彩色图分割的PCNN模型,为PCNN应用于彩色图像处理提供了一定的理论和实践基础。

基于组合网络的多特征老挝语实体关系抽取研究

实体关系抽取旨在提取实体之间存在的语义关系,这可以为知识图谱、自动问答等下游任务提供支持,在自然语言处理领域具有重要作用。由于当前老挝语实体关系抽取的相关研究十分匮乏,可用数据也十分有限,因此在训练时神经网络无法获取足够的语义信息。针对此问题,该文提出了一种基于PCNN和BiGRU的组合模型的多特征老挝语实体关系抽取方法。首先,将位置特征与音素特征融入到词向量中得到包含多种语义的联合向量;然后,分别使用PCNN模型和BiGRU模型对联合向量进行深层语义的提取,其中PCNN模型能够更好地提取文本中的局部信息,BiGRU模型能够更好地考虑文本的全局信息,之后将两个模型的输出进行拼接,便得到了包含多维度语义信息的句子向量;最后,使用softmax进行多分类计算。实验表明,该文提出的方法,在有限的数据下得到了不错的效果,macro-averaged F1达到了82.25%。

基于多小波的高分辨率与多光谱图像融合

为了将高分辨率与多光谱图像进行有效地融合,本文提出了一种将HIS变换,多小波变换及PCNN神经网络相结合的图像融合算法。该算法首先采用HIS变换将多光谱图像分为H、I、S 3个分量,然后使用多小波分别分解I分量和高分辨率图像得到各自的高频和低频分量,接着低频采用矢量融合,高频采用PCNN融合,最后采用多小波逆变换以及HIS逆变换得到融合图像。实验结果显示本文方法在融合时间、视觉效果及客观评价指标上综合效果比较好。

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。

基于脉冲耦合神经网络的彩色图像滤波新方法

通过对脉冲耦合神经网络(PCNN)工作机理的分析,建立一个在HIS色彩空间上的一种基于脉冲耦合神经网络的彩色图像去噪算法及模型。计算机仿真表明采用基于PCNN的矢量中值滤波法能够有效去除图像中的噪声,并且能够更好地保护图像细节,较传统彩色图像去噪方法有较明显的优越性。