基于非抽样contourlet和PCNN的图像凹点检测方法研究

在目标识别中,人眼并不凝视整幅图像,为了获得更多图像信息,人眼会在不同区域中进行凹点(foveation points)检测。然而,从某些方向上获得的凹点对实际目标的识别可能是无用或者干扰的信息。为此提出了一种基于非抽样contourlet变换(NSCT)和脉冲耦合神经网络(PCNN)的图像凹点检测方法,该方法在传统凹点检测方法中引入非抽样contourlet变换,充分利用了非抽样contourlet变换对图像处理的高度方向选择性。最后,对影响凹点选取的脉冲耦合神经网络输出函数这一数学模型及其阈值的选择问题进行了研究。     

基于改进PCNN的电视制导视频干扰的仿真研究

电视制导系统中视频信号的传输过程极易受干扰,对其进行模拟是某型电视制导导弹视景仿真系统的技术要点之一。对传统脉冲耦合神经网络(PCNN)模型进行改进,利用其脉冲耦合特性和变阈值特性,提出了一种模拟视频干扰图像的实现方法。实际工程应用效果验证了所述方法的有效性。     

基于梯度域导向滤波器和改进PCNN的图像融合算法

为解决当前融合后图像存在的光晕伪影现象以及不利于视觉感知的问题, 提出了一种基于梯度域导向滤波(gradient domain guided filtering, GDGF)和改进的脉冲耦合神经网络(pulse-coupled neural network, PCNN)的图像融合算法。首先, 利用图像结构、清晰度以及对比度显著性的图像特征构建图像融合模型。其次, 采用梯度域导向滤波取代传统优化方法, 通过像素间相关性优化初始决策图。然后, 将优化决策图作为外部输入刺激改进PCNN模型, 得到融合权重图。最后, 对源图像和融合权重图进行加权操作得到最终融合图像。实验结果表明, 所提方法更好地保留图像边缘、纹理和细节信息, 避免目标边缘的光晕伪影现象, 且利于视觉观察。     

一种改进的全局Retinex图像增强算法及其仿真研究

Retinex理论认为物体对光线的反射能力决定其颜色,故该算法就是从图像中获得物体的反射性质来得到物体本来面貌.为了消除传统Retinex算法假定两像素点入射光分量相同而导致图像颜色失真的缺陷,提出了-种改进的Retinex方法,该方法使用原像素灰度值与以它为中心高斯平滑后的灰度值间的差异来校正原像素点.仿真结果及两种评价标准表明,该方法更具准确性,增强效果优于传统Retinex算法.     

基于邻域搜索JADE的二维Otsu多阈值图像分割

为进一步提高分割精度并加快分割速度,提出了一种基于邻域搜索可选外部存档自适应差分进行算法(简称为JADE-GL)的二维Otsu多阈值图像分割方案。首先,针对原始JADE算法精英突变策略收敛速度慢、容易陷入局部最优等问题,提出了基于邻域半径搜索的改进突变策略,以提升算法的全局探索和开发能力。然后,将所提算法与现有分割方法以及其他JADE变种算法进行二维Otsu多阈值分割对比实验。最后,通过函数收敛曲线、分割距离测度、峰值信噪比(peak signal to noise ratio, PSNR)等指标定量分析算法的性能。实验结果表明,随着阈值数增加,提出的算法无论在收敛速度、分割精度还是分割图像效果上都有显著提升。     

基于邻域搜索JADE的二维Otsu多阈值图像分割

为进一步提高分割精度并加快分割速度,提出了一种基于邻域搜索可选外部存档自适应差分进行算法(简称为JADE-GL)的二维Otsu多阈值图像分割方案。首先,针对原始JADE算法精英突变策略收敛速度慢、容易陷入局部最优等问题,提出了基于邻域半径搜索的改进突变策略,以提升算法的全局探索和开发能力。然后,将所提算法与现有分割方法以及其他JADE变种算法进行二维Otsu多阈值分割对比实验。最后,通过函数收敛曲线、分割距离测度、峰值信噪比(peak signal to noise ratio, PSNR)等指标定量分析算法的性能。实验结果表明,随着阈值数增加,提出的算法无论在收敛速度、分割精度还是分割图像效果上都有显著提升。     

三态层叠PCNN原理及在最短路径求解中的应用

为实现神经网络的流水线操作,将电路设计中的三态思想和层叠流水线思想运用到神经网络中,通过建立具有抑制、亚点火和点火三种状态的神经元,提出了三态层叠脉冲耦合神经网络模型.通过三态神经元,将点火过程分解成三阶段以便实现流水线操作,成功解决了神经网络在自动波传播方向上的并行处理问题,在自动波传播的横向和纵向都实现了并行处理,极大地提高了算法的运算速度和准确性.将此模型运用到最短路径的求解问题中,通过实验表明,该算法在保证全局搜索的同时提高了搜索速度,且其对初始条件和参数的依赖性很小.     

基于带宽剩余率的脉冲耦合神经网络最短路径算法

利用脉冲耦合神经网络（pulse coupled neural network, PCNN）寻找最短路径是一种非确定性算法,运算的复杂度只和最短路径的长度有关,和路径图的复杂程度无关。已有的PCNN最短路径算法只考虑路径长度,而未考虑其他参数,如带宽和时延等。这里除了考虑路径长度,同时考虑实际中带宽剩余量对网络的影响,提出了一种基于带宽剩余率的最短路径算法,用带宽剩余率参数来控制神经元阈值,寻找最短路径。仿真结果表明,该算法可以寻找到全局最优解。     

基于动态广义直方图均衡的红外图像增强方法

针对直方图均衡法进行红外图像增强时存在的问题,提出了动态广义直方图均衡方法。首先,广义直方图通过基于局部复杂度计算的分数值计数,体现了图像的不同区域特性,防止了过增强和放大噪声。然后,对广义直方图利用SG算法平滑滤波后,采用GK聚类算法实现对直方图的动态划分,避免高概率灰度背景对低概率灰度目标的影响。最后,动态分配目标和背景的输出灰度区间,突出目标细节,控制增强效果。实验结果表明,算法能有效克服传统直方图均衡法丢失目标细节、不能控制增强效果和过分放大噪声的不足,是一种有效的红外图像增强方法。     

复杂过程建模的模糊集和神经网络方法

为了建立复杂生产过程的被仿真对象的模型,将系统的定性信息（语义规则）和定量信息相结合,提出了一种基于ｐ－范数的近似推理神经网络模型,并给出了一种将梯度方法和最小二乘方法结合起来的交互式学习算法,最后通过实例对算法进行了验证,取得了满意的仿真结果,为进一步科学决策提供了依据     

基于超模糊集的多属性图像阈值分割算法

传统的分割方法往往是根据图像单一的属性标准对图像进行分割,很难满足图像的多方面分割要求。由于许多外界干扰因素的存在,使得基于经典模糊集方法进行的分割,结果也常常不令人满意。针对这些问题,介绍了一种基于超模糊集合理论的多属性图像阈值分割方法（F2ES）,在超模糊集的基础上,结合模糊熵和模糊相似性两种截然不同的属性刻画待分割图像,构造综合评价函数,得到最佳阈值。针对多幅不同类型图片进行分割仿真实验,得到较好的结果,证明该算法是切实可行的。     

基于Unit-Linking PCNN和图像熵的图像分割新方法

基于单位链接脉冲耦合神经网络(Unit-Linking PCNN)模型,在图像方差准则基础上将最大香农熵准则,最小交叉熵准则相结合,再组合图像分块策略与图像加权预处理策略,提出了不同准则和策略组合的8种图像分割方案。分析了各种准则和策略的优势和不足,比较了各种分割方案条件下的图像分割效果,部分方案的分割结果体现了图像的更多的细节。与已有文献结果比较,具有使用神经元模型参数少的特点,与PCNN模型相比,该模型参数对图像分割结果的影响较不敏感。计算机仿真结果表明,该方法具有较好的图像分割效果和实验仿真速度性能,具有较强适用性。     

基于二进小波变换的图像分辨率增强算法

增强图像的分辨率意味着在保持图像清晰度的情况下对图像进行放大。传统的分辨率增强技术是图像插值,它通常要求原始图像满足一定的平滑条件,这常常损失增强后图像的奇异性,使图像中物体边缘和纹理变得模糊。本文提出了一种基于图像多分辨率分析的增强算法,通过估计原始图像在更高一级分辨率上的小波系数,可以得到更为清晰的增强效果,同时保留原图像的奇异性。     

一种基于遗传算法的红外图像增强方法

首先提出了基于模型表示的红外图像增强算法,然后用遗传算法实现该增强算法并进行了计算机仿真实验。实验表明,该算法是可行的和有效的,并且优于Ｗｉｅｎｅｒ滤波的效果     

基于遗传算法的脉冲耦合神经网络自动系统的研究

Eckhorn等人提出的脉冲耦合神经网络(PulseCoupledNeuralNetwork,以下简称为PCNN)在图像处理中得到了十分广泛的应用,但是其多个参数的设置给实际应用造成了很大的困难。尤其是在图像分割中,不同类型的图像要求不同的分割参数,不同的参数对图像分割结果影响很大。而遗传算法具有对参数自动寻优的优势,为此,将其和PCNN相结合提出了一种基于遗传算法的PCNN自动系统的实现方案,并应用于图像分割。分割试验仿真结果验证了该自动系统方案的正确性和可信性,即不仅可以实现正确的图像分割,而且参数可以自动设置省去了人工试验的麻烦,同时分割速度也有所提高。     

一种结合亮度和粗糙度信息的舌像分割方法

舌像分割是数字化舌诊的第一个关键步骤。为了准确地从图像中分割出舌体,提出了结合亮度信息和粗糙度信息的分割方法。首先使用最大类间方差法在舌图像的亮度范围内自动选取阈值,提取出较亮的舌体部分,然后再利用粗糙度信息进一步剔除非舌体部分,最后使用数学形态学的膨胀、腐蚀和开运算操作等方法进行后续处理,得到最终结果,成功地实现了舌像分割的功能。实验结果表明,该方法具有较好的效果。     

Dynamic threshold for SPWVD parameter estimation based on Otsu algorithm

Time-frequency-based methods are proven to be effective for parameter estimation of linear frequency modulation （LFM） signals. The smoothed pseudo Winger-Ville distribution （SPWVD） is used for the parameter estimation of multi-LFM signals, and a method of the SPWVD binarization by a dynamic threshold based on the Otsu algorithm is proposed. The proposed method is effective in the demand for the estimation of different parameters and the unknown signal-to-noise ratio （SNR） circumstance. The performance of this method is confirmed by numerical simulation.     

基于脉冲耦合神经网络的Live wire新方法的仿真研究

提出了一种基于脉冲耦合神经网络(PCNN)的Live wire分割新方法,Live wire方法是把图像当作一个连通图,在边上定义一个代价函数,然后通过搜索最短路径来找物体的边界,把用户指定的物体边界上的两点之间的最短路径当作物体的边界。最短路径是Live wire方法的重要步骤,本文在介绍脉冲耦合神经网络的基本工作原理和特性的基础上,将改进的脉冲耦合神经网络算法引入到Live wire边缘检测的算法中,用于最短路径算法的研究。并在改进算法中应用路径封锁和在线训练来提高算法的准确性和应用性。     

用于图象增强的侧抑制网络模型的仿真比较

侧抑制原理及侧抑制网络在工程上有着广泛的应用，在用于图像增强方面，需要从侧抑制网络模型，抑制系数分布、抑制野范围三方面考虑，选择合适的模型和参数，从而达到 突出边框，加强反差的效果，根据侧抑制数学 模型的分类规则，本文基于前人根据生理实验建立的数学模型综合出一种新的模型并选择双峰高斯曲线作为抑制系数分布函数，通过对这些模型及参数的计算机仿真实验，比较了它们在网络运行速度及边框突出程度方面的差异。