基于CNN模板的物体图像增长的研究与应用

基于细胞神经网络(CellularNeuralNetwork,CNN)的图像处理的研究和应用已取得了很大进展。在图像处理中,有时需要增大图像中的物体。本文对实现物体增长功能的CNN模板进行了理论分析和鲁棒性研究,提出一个设计符合相应功能要求的鲁棒性CNN定理,它为设计相应的CNN模板参数提供了解析判据。通过数值模拟实例确认了理论结果在计算机图像处理中应用的有效性。

设计局部最大灰度值探测CNN模板的定理与应用

基于细胞神经网络(CellularNeuralNetwork,CNN)的图像处理的研究和应用已取得了很大进展。在图像处理中,有时需要确定图像各局部区域中最大灰度点的位置。文章对实现局部最大灰度值探测功能的CNN模板进行了理论分析和鲁棒性研究,提出了一个设计符合相应功能要求的鲁棒性CNN定理,它为设计相应的CNN模板参数提供了解析判据。通过数值模拟实例确认了理论结果在计算机图像处理中应用的有效性。

一类具有连通性探测功能的CNN研究与应用

基于细胞神经网络(Cellular Neural Network,CNN)的图像处理的研究和应用已取得了很大进展。在图像处理中,有时需要确定图像是否具有某类特殊的连通性质。本文对CNN模板库列出的一个CNN模板进行了分析,确定出了它的局部规则,提出了一个满足该局部规则的CNN鲁棒性设计定理,它为设计相应的CNN模板参数提供了解析判据。通过数值模拟实例确认了理论结果在计算机图像处理中应用的有效性。