摘要：揭示了有生物学依据的脉冲耦合神经网络 (pcnn)与数学形态学之间的本质关系 ,并以颗粒分析为例进行了具体的分析 ,得到了文中提出的pcnn颗粒分析方法完全等价于一定结构元素下的数学形态学方法的结论 研究表明 ,pcnn进行图像处理时用到的脉冲并行传播特性完全等同于数学形态学中一定结构元素下的腐蚀运算 。

摘要：针对传统NSCT图像融合算法存在的不足,提出一种基于增补小波变换和pcnn的NSCT域图像融合算法。首先对源图像进行NSCT分解,生成一系列低频和高频分量。对低频分量利用二维小波分解,生成一个低频和三个方向分量,对低频分量利用局部区域能量加权方法融合,三个方向分量利用改进的高斯加权SML方法融合;对NSCT分解的高频分量,分为对最高层和其它层的融合,最高层利用改进的高斯加权SML方法融合,其余层利用边缘梯度信息激励pcnn方法融合。最后对NSCT进行逆变换得到融合图像。实验结果证实了所提算法的有效性。

摘要：为有效滤除图像中椒盐噪声,同时能保留更多边缘和细节信息,构造了脉冲耦合神经网络(pcnn)与非对称裁剪中值滤波(UTMF)结合的去噪方法。设计自适应连接系数的改进型pcnn,提高对噪声的辨识;提出椒盐噪声在pcnn点火时间矩阵中的值具有极限性以定位噪声;在基于点火时间矩阵决策下对噪声图像进行UTMF处理。实验表明,该方法信噪比高、细节信息保护好、视觉效果佳、适应性强。

摘要：通过对孤立词语音识别现状的研究,提出了一种利用简化脉冲耦合神经网络pcnn和径向基函数RBF神经网络进行语音识别的新方法。利用语音信号的"可视"特性——语谱图,采用pcnn得到它的时间序列标识图作为语音信号的特征参数,辅以传统的RBF的语音识别方法,实现了孤立词语音识别。仿真结果表明,与其它方法比较,该方法能够达到较高的语音识别率。

摘要：设计了一种脉冲耦合神经网络(pcnn)结合最小交叉熵理论的图像二值分割算法,可提高监管码识别过程中字符图像二值分割的准确度,并适合于在FPGA上实现.根据不同灰度图像点火时刻不同的特性,使用pcnn算法对图像进行迭代处理,并计算每次处理后的交叉熵.再利用最佳分割图像与原图像的交叉熵最小的理论,确定最佳迭代处理次数,从而得到最佳的二值分割图像.该方法实现了图像的自动分割,效果由于传统的大津(OSTU)算法.提出了该算法在FPGA上实现方案,实验结果验证了方案的可行性.

摘要：在对视网膜眼底图像中的血管进行预处理并运用脉冲耦合神经网络(Pulse Coupled Neural Network,pcnn)算法迭代原理进行分割的基础上,利用MATLAB的图形用户界面开发环境(GUIDE),通过对各控件的布局设计及其回调函数的编写,实现了视网膜血管分割系统。系统具有界面友好、操作简单等特点,为医学图像研究提供了一种有效的视网膜血管分割方法,也为医学图像处理提供了一个操作方便的实验平台。

摘要：针对在海洋环境中采集到的水下图像由于光的散射与吸收作用导致的成像模糊以及退化的问题,提出了一种NSST与pcnn相结合的水下图像融合方法,在改变通道补偿方式的基础上分别进行Gamma校正得到对比度增强图像以及图像锐化处理得到细节信息增强后的图像,将两图像运用NSST变换分别得到低频子带系数和带通子带系数,使用基于区域能量自适应加权融合规则将低频方向子带系数融合;采用带通子带系数作为外部激励,刺激pcnn神经元点火,经脉冲发生区域选用像素较大的脉冲输出,使带通子带系数融合;对融合低频子带系数和带通子带系数分别做NSST逆变换,获得重构图像。通过实验结果以及客观评价可知,WNPF算法解决了水下图像色彩失真的问题,同时图像清晰度得到了提升。

摘要：脉冲耦合神经网络(pcnn)拥有良好的仿生学依据,在图像分割领域获得了很大的成功.但传统pcnn网络需要设置大量参数,且需要对最佳迭代结果进行选择.以往提出的经典解决方法大多需要预设一个较高的迭代次数,且部分参数依靠经验设定.针对参数设置和时间复杂度2个问题,设计了一种仅需2次迭代,参数设置自适应于图像统计特征的pcnn图像分割算法,避免了凭经验设定参数、多次迭代造成运行时间长的问题.实验表明:算法的分割结果主观视觉感受良好,并且在速度上优于对比算法.

摘要：为了在滤除椒盐噪声时更好的保护图像特征信息,利用分数阶积分算子、梯度信息和SVM设计了一种滤波方法FG-SVM。先设计pcnn噪点检测模型,将检测的噪点及信号点对应位置分别标记为1和0,生成标记图像;然后根据标记图像,在噪声图像上对每一个以信号点为中心的5×5区域,用中心点周围的像素灰度信息、分数阶积分算子及梯度信息构建训练样本,训练SVM获得去噪模型;再取以噪点为中心的5×5区域构建测试样本,作为SVM去噪模型的输入来估计区域中心的灰度值;最后用SVM的估计值取代噪点的灰度值,得到去噪图像。仿真试验表明,分数阶积分阶次取1.7±0.1时,能获得最好的去噪效果。对含噪1%的Lena、Pepper及Camer.去噪,FG-SVM的PSNR比Mpcnn分别提高了[4.19,1.60,3.64]dB,且去噪图像的边缘细节清晰。

摘要：脉冲耦合神经网络pcnn具有良好的脉冲传播特性,可以用于图像的边缘检测;多级中值滤波是对中值滤波的改进,具有较好的保护图像细节的作用;均值滤波是一种成熟的能较好滤除图像高斯噪声的方法。该算法充分结合上述3种算法的优点,先运用pcnn算法对被混合噪声干扰的图像进行边缘检测,然后利用多级中值滤波和均值滤波方法进行滤波处理。对不同的混合噪声进行滤除的实验结果表明本文算法较中值滤波和均值滤波方法有较大提升。