脈沖耦合神經網絡及混沌脈沖耦合神經網絡的研究.pdf

1、隨著生物神經學的研究和發(fā)展，一種被稱為第三代人工神經網絡的新型網絡模型——脈沖耦合神經網絡(pulse coupled netlral network，PCNN)的研究悄然興起。該網絡不同于傳統(tǒng)人工神經網絡，是依據(jù)貓、猴等動物的大腦視覺皮層上的同步脈沖發(fā)放現(xiàn)象提出的，是對真實神經元的簡化與近似，其應用前景非常廣泛。PCNN網絡模型具有的鏈接域特性和動態(tài)閾值衰減特性能夠使狀態(tài)相似的神經元同步輸出脈沖，這一點充分模擬了哺乳動物視覺皮層神經元

2、的生物特性，因而在圖像處理方面獲得了廣泛的應用。 本論文在詳細介紹脈沖耦合神經網絡基本原理的基礎上，對脈沖耦合神經網絡在圖像處理方面的應用成果進行了較全面的概括，并對圖像去噪和邊緣檢測算法進行仿真實驗研究；介紹混沌理論及混沌神經網絡模型；并嘗試將混沌現(xiàn)象引入脈沖耦合神經網絡中。論文主要內容如下： 1．對脈沖耦合神經網絡在圖像去噪、圖像增強、圖像分割、圖像邊緣檢測等幾個方面近年來所出現(xiàn)的不同算法進行較為全面的總結和比較，分

3、析其優(yōu)劣，證實PCNN用于圖像處理具有其它網絡所不可比擬的優(yōu)勢。 2．對二值圖像進行去噪處理，針對被椒鹽噪聲污染的圖像，進行實驗仿真，其效果明顯優(yōu)于中值濾波的結果；給出PCNN用于二值圖像邊緣檢測的仿真效果。對算法中的諸多參數(shù)進行分析，促進了對這一網絡的了解，并且由此加深了對真實生物視覺系統(tǒng)的認識。 3．通過將復位閾值由定值變?yōu)榻o定脈沖時間間隔(ISI)變量的正弦曲線振蕩值，得到具有混沌現(xiàn)象的混沌脈沖耦合神經元模型。分析