1、 報(bào)告人報(bào)告人： XXXXXX脈沖耦合神經(jīng)網(wǎng)絡(luò)在圖像處理上的應(yīng)用研究 理論基礎(chǔ)1目錄 基本模型及其功能特性2 應(yīng)用與實(shí)驗(yàn)3 展望4貓、猴等哺乳動(dòng)物的大腦視覺(jué)系統(tǒng)產(chǎn)生的同步脈沖現(xiàn)象視覺(jué)系統(tǒng)的Eckhorn數(shù)學(xué)模型Johnson等人對(duì)Eckhorn模型進(jìn)行了改進(jìn)與簡(jiǎn)化，誕生了脈沖耦合神經(jīng)網(wǎng)絡(luò)，它在國(guó)際上被稱(chēng)為第三代人工神經(jīng)網(wǎng)絡(luò)哺乳動(dòng)物視覺(jué)通路示意圖 理論基礎(chǔ) 基本模型及其功能特性XXXX年2.1 Eckhorn 神經(jīng)元模型 基本模型及其功能特性2.2 脈沖耦合神經(jīng)網(wǎng)絡(luò)模型（PCNN模型） 基本模型及其功能特性2.3 工作原理 PCNN的運(yùn)行行為是各神經(jīng)元相互獨(dú)立運(yùn)行的組合，在外部刺激作用下，以一定

2、自然頻率發(fā)放脈沖，稱(chēng)為自然點(diǎn)火。 外部刺激強(qiáng)，點(diǎn)火頻率越高。不同亮度不同時(shí)刻，相同亮度相同時(shí)刻。無(wú)耦合PCNN輸出脈沖示意圖 基本模型及其功能特性 PCNN各神經(jīng)元間存在耦合連接，一個(gè)神經(jīng)元的點(diǎn)火會(huì)引起相鄰神經(jīng)元提前點(diǎn)火。 具有空間鄰近、亮度強(qiáng)度相似性輸入的神經(jīng)元將在同一時(shí)刻點(diǎn)火。2.3 工作原理有耦合神經(jīng)元點(diǎn)火圖 基本模型及其功能特性2.4 基本特性 變閾值特性1 捕獲與非線性調(diào)制特性2 動(dòng)態(tài)脈沖發(fā)放特性3 同步脈沖發(fā)放特性4 自動(dòng)波特性5 時(shí)空綜合特性6 應(yīng)用與實(shí)驗(yàn)應(yīng)用圖像分割邊緣檢測(cè)圖像融合圖像去噪特征提取 研究方法與內(nèi)容3.1 圖像分割變形后的 PCNN 神經(jīng)元模型： 去掉動(dòng)態(tài)門(mén)限產(chǎn)生機(jī)制，自適應(yīng)遺傳算法搜索最優(yōu)門(mén)限閾值 研究方法與內(nèi)容3.1 圖像分割原始灰度圖 Ostu算法結(jié)果 PCNN算法 改進(jìn)的PCNN算法 研究方法與內(nèi)容3.2 邊緣檢測(cè) 研究方法與內(nèi)容3.3 圖像融合脈沖耦合神經(jīng)網(wǎng)絡(luò)圖像融合模型 研究方法與內(nèi)容3.3 圖像融合 總結(jié)與展望4.2 展望 PCNN 參數(shù)與圖像固有特性結(jié)合起來(lái)選取PCNN 迭代輸出加