| 【中文题名】 | 脉冲耦合神经网络及混沌脉冲耦合神经网络的研究 |
| 【英文题名】 | The Study of PCNN and Chaotic PCNN |
| 【学科专业】 | 模式识别与智能系统 |
| 【论文级别】 | 硕士论文 |
| 【投稿时间】 | 2007-8-21 |
| 【中关键词】 | 脉冲耦合神经网络,图像处理,混沌脉冲耦合神经网络,,, |
| 【英关键词】 | PCNN,image processing,chaotic pulse coupled neural network, |
| 【分类导航】 | 工业技术>自动化技术、计算机技术>自动化基础理论>人工智能理论>人工神经网络与计算> |
| 【论文摘要】 |
随着生物神经学的研究和发展，一种被称为第三代人工神经网络的新型网络模型----脉冲耦合神经网络(pulse coupled neural network，PCNN)的研究悄然兴起。该网络不同于传统人工神经网络，是依据猫、猴等动物的大脑视觉皮层上的同步脉冲发放现象提出的，是对真实神经元的简化与近似，其应用前景非常广泛。PCNN网络模型具有的链接域特性和动态阈值衰减特性能够使状态相似的神经元同步输出脉冲，这一点充分模拟了哺乳动物视觉皮层神经元的生物特性，因而在图像处理方面获得了广泛的应用。
本论文在详细介绍脉冲耦合神经网络基本原理的基础上，对脉冲耦合神经网络在图像处理方面的应用成果进行了较全面的概括，并对图像去噪和边缘检测算法进行仿真实验研究；介绍混沌理论及混沌神经网络模型；并尝试将混沌现象引入脉冲耦合神经网络中。论文主要内容如下：
1．对脉冲耦合神经网络在图像去噪、图像增强、图像分割、图像边缘检测等几个方面近年来所出现的不同算法进行较为全面的总结和比较，分析其优劣，证实PCNN用于图像处理具有其它网络所不可比拟的优势。
2．对二值图像进行去噪处理，针对被椒盐噪声污染的图像，进行... |
| 【论文题纲】 |
|
摘要 |
5-6 |
|
ABSTRACT |
6-11 |
|
第1章 绪论 |
11-22 |
|
1.1 引言 |
11-12 |
|
1.2 脉冲耦合神经网络研究现状 |
12-15 |
|
1.2.1 脉冲耦合神经网络研究的意义 |
12-14 |
|
1.2.2 脉冲耦合神经网络研究现状 |
14-15 |
|
1.3 混沌神经网络研究现状 |
15-20 |
|
1.3.1 混沌发展概况 |
15-17 |
|
1.3.2 混沌神经网络 |
17-20 |
|
1.4 本论文的主要研究内容 |
20-22 |
|
第2章 脉冲耦合神经网络的基本理论 |
22-34 |
|
2.1 生物神经元模型 |
22-24 |
|
2.2 脉冲耦合神经网络模型 |
24-27 |
|
2.2.1 分支树 |
25-26 |
|
2.2.2 链接器 |
26-27 |
|
2.2.3 脉冲产生器 |
27 |
|
2.3 脉冲耦合神经网络的工作原理 |
27-29 |
|
2.3.1 无耦合链接的情况下的PCNN运行行为 |
28 |
|
2.3.2 耦合链接的情况下的PCNN运行行为 |
28-29 |
|
2.4 脉冲耦合神经网络的基本特性 |
29-31 |
|
2.5 脉冲耦合神经网络与传统神经网络间的比较 |
31-32 |
|
2.6 脉冲耦合神经网络的应用 |
32-33 |
|
2.7 本章小结 |
33-34 |
|
第3章 脉冲耦合神经网络图像处理应用研究 |
34-50 |
|
3.1 脉冲耦合神经网络的简化模型 |
34-37 |
|
3.1.1 脉冲耦合神经元的简化模型 |
34-35 |
|
3.1.2 用于图像处理的简化PCNN模型 |
35-37 |
|
3.2 PCNN图像处理应用 |
37-42 |
|
3.2.1 图像去噪 |
37-38 |
|
3.2.2 图像增强 |
38-39 |
|
3.2.3 图像分割 |
39-40 |
|
3.2.4 图像边缘检测 |
40-41 |
|
3.2.5 图像融合 |
41-42 |
|
3.3 实例 |
42-49 |
|
3.3.1 PCNN用于图像去噪 |
42-46 |
|
3.3.2 PCNN用于图像边缘检测 |
46-49 |
|
3.4 本章小结 |
49-50 |
|
第4章 混沌及混沌神经网络理论 |
50-66 |
|
4.1 混沌理论 |
50-58 |
|
4.1.1 引言 |
50 |
|
4.1.2 混沌的定义 |
50-52 |
|
4.1.3 混沌的定性特征 |
52-53 |
|
4.1.4 通往混沌的道路 |
53-56 |
|
4.1.5 混沌的判定条件 |
56-58 |
|
4.2 混沌神经网络理论 |
58-65 |
|
4.2.1 引言 |
58 |
|
4.2.2 Aihara的混沌神经网络 |
58-59 |
|
4.2.3 耦合混沌神经元网络 |
59-61 |
|
4.2.4 基于模拟退火策略的混沌神经网络 |
61-64 |
|
4.2.5 带有混沌噪音的混沌神经网络 |
64-65 |
|
4.3 本章小结 |
65-66 |
|
第5章 混沌脉冲耦合神经网络 |
66-74 |
|
5.1 脉冲耦合神经网络模型选取 |
66-68 |
|
5.2 单个神经元的运行行为 |
68-71 |
|
5.3 两个神经元耦合的行为 |
71-72 |
|
5.4 CPCNN的研究展望 |
72-73 |
|
5.5 本章小结 |
73-74 |
|
结论 |
74-76 |
|
参考文献 |
76-81 |
|
攻读硕士学位期间发表的论文和取得的科研成果 |
81-82 |
|
致谢 |
82 |
|
| 【DOI】 | LunWen.ID:2.2008.388838 |
