基于新型神经元模型上的突触可塑性建模

提出的一种新型神经元模型,利用Eric R Kandel的工作成果,抓住神经递质调节突触活动过程的主要特征,在较微观的层次上,抽象出了突触可塑性模型,该模型包含了Eric R Kandel和他的同事所总结的神经递质信号调节突触的后3种方式,它可以和新型神经元模型结合起来,可以对突触连接权值函数进行修饰.最后对可塑性模型的计算复杂性作了简单的说明,并讨论了该可塑性模型与Hebb理论和STDP的不同之处.     

基于新型神经元模型上的突触可塑性建模

提出的一种新型神经元模型．利用Eric R Kandel的工作成果，抓住神经递质调节突触活动过程的主要特征．在较微观的层次上．抽象出了突触可塑性模型．该模型包含了Eric R Kandel和他的同事所总结的神经递质信号调节突触的后3种方式．它可以和新型神经元模型结合起来．可以对突触连接权值函数进行修饰．最后对可塑性模型的计算复杂性作了简单的说明．并讨论了该可塑性模型与Hebb理论和STDP的不同之处．     

图像边缘检测方法综述

目的介绍图像边缘检测技术的研究现状。方法总结了经典的边缘检测算子和近年来出现的新的边缘检测方法,分析了各种算法的特点和处理性能,并对它们自身的优缺点进行了论述。结果与结论每一种方法都有优缺点,在图像边缘检测中可根据实际需要选择合理的方法。     

基于MATLAB图像边缘检测方法的研究

图像中目标物的主要特征是通过边缘反映出来的,因而图像边缘可以作为图像识别、分类和理解的直接有效证据,这在图像处理中有着重要的作用和广泛的应用。通过MATLAB分别用5种算法对同一灰度图像进行边缘检测,比较实现结果,进一步对不同阀值状态下Canny算子进行边缘检测,结果显示,在阀值0.1到0.6范围内,对于Canny算子来说阈值越小边缘检测到的有效信息越丰富,阈值越大处理效果越清晰。     

基于图像边缘检测方法的暂态电力扰动检测

应用数字图像边缘检测理论,提出了基于数学形态学的暂态电力扰动检测和时间定位方法.该方法根据正常情况下和扰动情况下电力信号变化的不同特点,采用图像边缘检测算子获取电力扰动发生时信号"阶梯变化"产生的奇异点,并采取形态滤波、优化采样频率和结构元素长度等措施抑制信号噪声和正常情况下信号"斜坡变化"对扰动检测的影响,提高检测灵敏度.算法实现简单,计算量小,定时精度高,实时性好,对硬件要求低.对多种常见暂态电力扰动的仿真检测,验证了所提方法的可行性和有效性.     

焊缝图像边缘检测方法探讨

边缘特征是图象最为有用的高频信息。由于存在噪声,采用经典算子的方法,图像的边缘检测效果不太好。本文首先介绍了经典的边缘检测。然后,针对上述算法的缺陷,提出基于小波变换的边缘检测。实验结果分析表明,在边缘精度、强弱边缘提取和噪声抑制方面,该算法是有效的。     

图像边缘检测的改进方法

为了对sobel算子检测进行改进,使其检测的边缘连续,对二进制小波变换的图像边缘检测算法进行了改进,在进行二进制小波变换分解时,将原始分解滤波器h 和g 相邻系数间内插2j个"0"得到尺度j 的分解滤波器hj和gj ,然后再进行小波变换.改进后的算法提取了图像边缘,有效地去除图像的噪声.实验表明:改进的算法算法简单、易于编程.     

基于NURBS曲面拟合的图像边缘检测方法

提出了一种利用NURBS曲面拟合进行图像边缘检测的新方法。与Haralick对称区域正交多项式曲面小片拟合方法不同 ,NURBS曲面拟合克服了Haralick方法对图像区域划分和灰度平稳的限制 ,且不再需要窗口区域对称。利用NURBS曲面拟合构造简单、算法灵活、易于控制的特性 ,提高了曲面小片构成的灵活性与边缘检测的精度及计算效率。本文给出了NURBS曲面拟合基本小面构成、拼接及求导方法 ,并以一个真实图像进行了实验验证 ,结果证明 ,该方法稳定可靠 ,精度较高     

基于视觉神经计算模型的图像边缘检测方法

借鉴视觉系统的轮廓感知能力,提出了一种基于视觉神经计算模型的图像边缘检测新方法.首先构建以动态突触互连的双层神经元网络;接着建立了一种基于突触前神经元响应模式的脉冲传递模型,利用神经元的脉冲发放时空模式来凸显边缘空间信息;最后通过发放率灰度映射获取图像边缘信息.以包含较多弱对比度边缘的微生物显微图为例,以信息熵、边缘置信度和重构相似度做定量分析,结果表明所提方法能够有效实现弱对比度边缘检测,为视觉机制在图像处理中的应用提供崭新的思路.     

基于数学形态学的CT图像边缘检测方法

针对人体颅脑CT图像的特点，运用数学形态学的理论和方法，探讨了复合型边缘检测算子及不同尺度对称形式结构元素对边缘检测的影响，并使用IDL（Interactive Data Language）完成人体颅脑CT图像边缘检测实验，取得较好效果。     

基于多层次模糊增强的图像边缘检测

在图像边缘检测中,往往需要提取不同灰度层次的边缘,而图像的边缘通常具有不确定性．多层次模糊增强可以较为有效地确定图像的边缘,使得不确定的边缘变成确定．对于多层次模糊增强,各层次灰度级的选取直接关系到边缘提取的有效性．文章提出的算法可以有效地确定图像各层次灰度级．     

基于全方位和多尺度形态学的图像边缘检测

针对图像中噪声和边缘形态的不同,定义了全方位、多尺度的形态学结构元素.通过形态运算的加权组合,构造了全方位、多尺度形态学的边缘检测方法.仿真实验表明,该方法与经典的边缘检测算子相比,不仅具有很好的边缘提取能力,而且具有很强的抗噪性能.     

基于多尺度小波算子的图象边缘检测

分析了传统的图像边缘检测算法及其存在的问题，论述了基于多尺度的小波分析进行边缘检测的算法，并以实例说明基于小波分析得图像边缘检测算子效果更优。     

基于Snake模型的快速边缘检测

传统Snake模型存在两个难点,一是初始轮廓敏感,二是难深入凹陷区域.针对这两问题,存在一系列改进模型.本文结合距离模型和GVF模型的优点,提出一种快速边缘检测方法.先采用距离模型快速逼近目标边缘轮廓,设计判别条件,判断逼近程度;当判断已经收敛到目标轮廓处时,利用GVF模型继续收敛,深入目标轮廓的凹陷区域.实验结果表明改进模型具有捕获区域大,收敛速度快以及能深入凹陷区域,检测出完整边缘轮廓的特点.     

基于改进蚁群算法的图像边缘检测

为了克服传统基于蚁群算法的图像边缘检测存在定位不准、易陷入局部最优解、对噪声鲁棒性不佳、且收敛速度过慢等缺点,本文提出了一种基于改进蚁群算法的图像边缘检测算法,此算法以传统边缘检测算子得到的边缘信息作为启发信息,建立了基于蚁群算法的边缘追踪模型,实现了信息素和启发信息对边缘追踪的导向作用,避免了蚂蚁在非边缘区域内行走,克服了陷入局部最优的缺点,最后本文运用了条件概率建立边缘检测评价标准.实验结果表明,本文的边缘检测方法具有较好的检测精度和噪声鲁棒性,且运行速度较快.     

基于地层切片的高精度边缘检测方法研究*

为了克服常规边缘检测方法的精度低、计算效率低,且只能处理二维水平时间(或沿层)切片的缺陷,在常规的基于希尔伯特变换方法的基础上提出了一种新的基于地层切片的高精度边缘检测方法.该方法针对地层切片进行计算,扩展了沿层切片的应用范围,更符合地下实际的地质情况;并且采用时间域的希尔伯特变换进行计算,计算优于常规基于频率域的希尔伯特变换的方法.此外,在计算流程上针对地层切片数组的纵向和横向等2个方向同时进行处理:先采用二维保边去噪进行预处理,然后采用时间域希尔伯特变换进行边缘检测,不仅可以有效地压制噪声,而且可以进一步提高了计算精度.塔中某区的实际地震资料的应用效果表明,新方法的裂缝检测符合率高于常规的裂缝检测方法(如希尔伯特变换方法、相干方法、基于张量的方法等).     

Medical Image Edge Detection Based on EMD Method

As a new image analysis technique, Empirical Mode Decomposition （EMD） has been drawn more attention in recent years. In this paper, we proposed a fast EMD method for the edge detection of medical images. We implemented the method in the following steps： a） Decompose the original medical image with the image pyramid technique; b） Implement the EMD at the low resolution level image; c） Map the Intrinsic Mode Functions （IMFs） into the original image; d） Use the edge detector in a coarse IMF at the beginning of the procedure; e） Trace the detected result to the finest IMF to obtain the final image edge. Experimental results demonstrated the effectiveness of the proposed method.     

基于游程长度和边缘统计的图像拼接检测

阐述了一种利用图像内在统计特性进行图像拼接检测的方法。图像拼接检测是一个基于拼接图像特征的模式识别问题。本文通过对游程长度和图像边缘的统计特性进行分析,说明了拼接操作所引起的图像像素不相关性和不连续性。为进行拼接检测,从图像游程长度和图像边缘统计特性中提取特征量,以此特征量去训练神经网络作为最后的分类器。结果表明,由此特征量作为图像拼接检测的标准,检测结果的精确度良好。     

一种基于边缘检测的视网膜图像的分割方法

基于图像处理的理论,提出了一种针对视网膜图像的分割方法。实验结果表明,该方法在保留原图的边界特征的基础上,很好的改善了图像的视觉效果。