基于神经元突触可塑性机制图像边缘检测方法

针对图像边缘信息的有效提取问题,提出了基于脉冲时间相关突触可塑性(STDP)机制的边缘检测新方法.首先通过亮度和色度编码实现颜色拮抗特性;利用Log-Gabor滤波器提取符合人类视觉特性的特定方向图像信息;接着建立了一种具有突触STDP特性的神经元网络模型,利用神经元之间非同步放电与视觉轮廓的关联性强化边缘信息;最后通过首次放电时间解码获取边缘信息.以微生物显微图像为例进行实验研究,结果表明:所提方法获取的图像边缘信息清晰完整,并且保留了更多的微弱细节;为突触可塑性机制在图像处理中的应用提供新思路.     

基于多维PCNN的彩色枸杞细胞显微图像的边缘检测

改进脉冲耦合神经网络模型,结合矢量运算,提出一种基于多维脉冲耦合神经网络的边缘检测模型,直接提取彩色细胞图像边缘,且本模型算法在染色不均匀造成的弱边缘检测和抗噪性能等方面表现优异.仿真和实验结果进一步表明了该算法的有效性.     

基于Unit-Linking PCNN的灰度图像边缘检测

利用Unit-Linking PCNN模型,结合最小交叉熵准则,边缘检测预处理,均匀分块处理,将灰度图像分割成二值刚像,在二值分割图基础上实施unit-Linking PCNN边缘检测.边缘检测预处理以块状增强方式增强了图像对比度,强化r图像边缘;均匀分块处理实现了灰度图像的近似多阈值分割.分析了边缘检测预处理中各步骤的作用,比较了不同均匀分块数目对边缘检测结果的影响.与Canny算子和相关文献结果相比,该研究检测的边缘体现了更丰富的图像细节,且神经元模型参数对图像边缘检测结果的影响较不敏感.仿真结果表明,该方法具有较理想的灰度图像边缘检测结果,具有较好适用性.     

基于Unit-Linking PCNN的灰度图像边缘检测

 利用Unit-Linking PCNN模型,结合最小交叉熵准则,边缘检测预处理,均匀分块处理,将灰度图像分割成二值图像,在二值分割图基础上实施Unit-Linking PCNN边缘检测.边缘检测预处理以块状增强方式增强了图像对比度,强化了图像边缘;均匀分块处理实现了灰度图像的近似多阈值分割.分析了边缘检测预处理中各步骤的作用,比较了不同均匀分块数目对边缘检测结果的影响.与Canny算子和相关文献结果相比,该研究检测的边缘体现了更丰富的图像细节,且神经元模型参数对图像边缘检测结果的影响较不敏感.仿真结果表明,该方法具有较理想的灰度图像边缘检测结果,具有较好适用性.     

基于PCNN模型的区域生长图像分割

提出了一种结合区域生长算法和脉冲耦合神经网络进行图像分割的方法.该方法将待分割图像的像素点映射为PCNN模型中的神经元,把改进的脉冲耦合神经网络模型的点火频率同区域生长的理论结合起来进行图像分割.实验表明该方法分割的图像与传统的分割法相比具有边缘信息更加完整,区域划分更加准确,分割效果更能符合人眼视觉的识别特征.     

剪切波与脉冲耦合网络结合的医学图像融合

针对图像融合产生的边缘模糊、对比度偏低、重要细节信息保留不充分的问题,提出了一种新的非下采样剪切波变换域的医学图像融合方法.首先对源图像进行非下采样剪切波变换,获得其细节图和近似图;对于细节图,采用细节特征信息作为外部激励条件,刺激脉冲耦合神经网络以实现图像融合;对于近似图,采用基于视觉显著映射实现融合;最后,进行逆剪...     

基于边缘检测的人脸正面图像识别

人脸识别系统是高级信息检索和机器人视觉的重要内容.主要提供了基于人脸正面图像特征提取的方法.在具体实施的过程中,首先是将彩色图像转化成灰度图像来增加图像本身的对比度,以便图像的边缘检测和特征定位,其次是利用边缘检测的方法,对人脸图像进行特征提取,以达到人脸特征识别的目的.     

基于FPGA并行加速的脉冲神经网络在线学习硬件结构的设计与实现

当前，基于数字电路的脉冲神经网络硬件设计，在学习功能方面的突触并行性不高，导致硬件整体延时较大，在一定程度上限制了脉冲神经网络模型在线学习的速度。针对上述问题，文中提出了一种基于FPGA并行加速的高效脉冲神经网络在线学习硬件结构，通过神经元和突触的双并行设计对模型的训练与推理过程进行加速。首先，设计具有并行脉冲传递功能和并行脉冲时间依赖可塑性学习功能的突触结构；然后，搭建输入编码层和赢家通吃结构的学习层，并优化赢家通吃网络的侧向抑制的实现，形成规模为784～400的脉冲神经网络模型。实验结果表明：在MNIST数据集上，使用该硬件结构的脉冲神经网络模型训练一幅图像需要的时间为1.61 ms、能耗约为3.18 mJ，推理一幅图像需要的时间为1.19 ms、能耗约为2.37 mJ，识别MNIST测试集样本的准确率可达87.51%；在文中设计的硬件框架下，突触并行结构能使训练速度提升38%以上，硬件能耗降低约24.1%，有助于促进边缘智能计算设备及技术的发展。     

基于STDP的神经元连接电路的仿真和分析

人工神经网络是一种模仿人脑结构及其功能的信息处理系统,人工神经网络的硬件实现能充分发挥神经网络大规模并行处理的特点应用于各种工程中,并促进脑科学基础研究的进一步发展.本文实现了（integrate-and-fire,IF）神经元电路设计;完成了（spike-timing dependent plasticity,STDP）机制的电路设计;构建了基于STDP机制的神经元连接电路;分析了STDP机制对神经元连接电路放电特性的影响.研究结果表明：在基于STDP机制的神经元连接电路中,当突触前神经元和突触后神经元的脉冲尖峰具有时间上的差异时,突触权重会发生变化,且进一步影响突触后神经元的脉冲释放.     

人眼视觉特性与粗糙集结合的X射线图像增强算法

针对X射线图像的低亮度及噪声造成的图像对比度差和图像模糊的问题,提出了一种采用粗糙集理论和人眼视觉系统特性的图像增强算法(HREM).先将原始图像进行灰度拉伸,再结合人眼视觉系统特性,利用粗糙集理论将图像分成边缘细节图像和平滑图像,然后对边缘细节图像做指数变换增强,对平滑图像做直方图均衡化,最后将处理好的两子图进行重叠,同时消除重叠后图像的随机脉冲噪声.实验结果表明,HREM方法不仅能较好地保持图像的边缘细节信息,有效地增强原图像的对比度,而且消噪能力强,整体视觉效果好.