| 【中文题名】 | 脉冲耦合神经网络在图像处理中的应用 |
| 【英文题名】 | |
| 【学科专业】 | 计算机软件与理论 |
| 【论文级别】 | 硕士论文 |
| 【投稿时间】 | 2007-8-8 |
| 【中关键词】 | 脉冲耦合神经网络,图像细化,印文提取,硅藻分割,邮编分割, |
| 【英关键词】 | PCNNs,Image Thinning,Seal Extraction,Diatom Segmentaion,Code Segmentation, |
| 【分类导航】 | 工业技术>自动化技术、计算机技术>计算技术、计算机技术>计算机的应用>信息处理(信息加工)>模式识别与装置 |
| 【论文摘要】 |
基于哺乳动物的视觉模型提出的第三代人工神经网络模型-脉冲耦合神经网络(PCNN: Pulse Coupled Neural Network),已经广泛应用在图像处理和路径优化问题求解中。该人工神经网络非常接近人类大脑的生物神经网络模型,是一种非常重要的信息处理工具。本文将进一步拓展该网络的应用领域,提出基于该网络的更有效的图像处理和模式识别算法。其主要内容如下:
1.介绍PCNN的发展背景、研究现状、信息处理优势和研究意义。
2.提出一种基于PCNN自动波传播机制的二值图像细化算法。主要内容包括:PCNN的基本模型、参数设定方法、不同方向自动波的相遇条件和细化结果的评价方法。
3.研究了印文的提取算法,并提出一种基于形态学和PCNN的复杂背景印文提取算法。主要内容包括:基于PCNN的图像空洞填充、边缘提取、具有结构选择功能的骨架提取、印文外围轮廓的定位方法和基于外围轮廓颜色信息的印文提取算法。
4.根据硅藻具有封闭细胞壁这一事实,将PCNN应用到硅藻细胞壁骨架和轮廓的提取中。主要内容是硅藻灰度分割算法、硅藻细胞壁骨架提取流程和基于骨架位置信息的轮廓提取方法。
... |
| 【论文题纲】 |
|
摘要 |
4-5 |
|
Abstract |
5-9 |
|
第一章 绪论 |
9-14 |
|
1.1 课题研究背景及意义 |
9-12 |
|
1.2 课题任务 |
12 |
|
1.3 论文的主要研究内容和章节安排 |
12-14 |
|
第二章 基于PCNN 的二值图像细化 |
14-27 |
|
2.1 引言 |
14-15 |
|
2.2 基本模型 |
15-17 |
|
2.3 参数设定 |
17-18 |
|
2.4 自动波传播过程 |
18-19 |
|
2.5 相遇条件 |
19-20 |
|
2.6 算法详细流程 |
20-22 |
|
2.7 一个简单细化实例 |
22 |
|
2.8 实验 |
22-24 |
|
2.9 算法评价 |
24-26 |
|
2.10 本章小节 |
26-27 |
|
第三章 PCNN 和形态学在印文提取中的应用 |
27-37 |
|
3.1 引言 |
27-28 |
|
3.2 用PCNN 进行边缘提取 |
28-29 |
|
3.3 用PCNN 进行空洞填充 |
29 |
|
3.4 基于两个PCNNS 的细化算法 |
29-32 |
|
3.5 定位印文的外围轮廓 |
32-34 |
|
3.6 基于外围轮廓的灰度直方图提取印文 |
34-35 |
|
3.7 实验 |
35-36 |
|
3.8 本章小节 |
36-37 |
|
第四章 基于PCNN 的硅藻细胞壁骨架和轮廓提取 |
37-44 |
|
4.1 引言 |
37-38 |
|
4.2 算法原理 |
38-39 |
|
4.3 基于细胞壁骨架的硅藻分割 |
39-42 |
|
4.4 实验 |
42-43 |
|
4.5 本章小节 |
43-44 |
|
第五章 一种新的邮政编码分割算法 |
44-54 |
|
5.1 引言 |
44 |
|
5.2 传统邮编分割方法一 |
44-47 |
|
5.3 传统邮编分割方法二 |
47-48 |
|
5.4 基于PCNNS 的邮编自动分割 |
48-51 |
|
5.5 实验 |
51-53 |
|
5.6 本章小节 |
53-54 |
|
第六章 智能中国印章识别系统 |
54-68 |
|
6.1 引言 |
54-56 |
|
6.2 发展趋势 |
56-57 |
|
6.3 工作流程 |
57 |
|
6.4 印文提取 |
57-58 |
|
6.5 印文配准 |
58-59 |
|
6.6 印文自动识别 |
59-63 |
|
6.7 印文模拟人工识别 |
63-64 |
|
6.8 多特征融合识别 |
64-67 |
|
6.9 本章小节 |
67-68 |
|
第七章 结论 |
68-69 |
|
致谢 |
69-70 |
|
参考文献 |
70-74 |
|
个人简介和攻读硕士期间的主要成果 |
74-75 |
|
| 【DOI】 | LunWen.ID:2.2008.388750 |
