一种模拟自然纹理图象的神经网络模型

讨论了随机神经网络模型－吉布斯随机场模型的势能函数和分布规律，用该模型对自然纹理图象进行模拟，建立了神经网络模型，并在微机上进行了实验，结果表明，当设量不同参数时，可以得到不同的纹理图象。     

模糊熵应用于图象边缘检测

图象边缘检测在图象分析和识别中具有重要的意义作者将模糊子集理论＾１，２中的模糊熵概念引入图象边缘检测中支１，在图象的模糊特征平面上，用最大熵原则也确定边缘有阈值。实验结果表明了该方法具有良好的有效性。     

基于神经网络的K—L变换及其图象压缩中的应用

介绍一种可用迭代方法实现了Ｋ－Ｌ变换折神经网络及相应的算法，采用该算法对网络的杈 作修理，可使网络唯一的收敛到一个稳定点，其ｍ仃输出神经元对应的权依次为最大ｍ个特征值所对应的单位特征矢量。文章给邮了网络实现中的改进结构，并把该网络用于图象压缩。     

医学细胞图象的伪彩色增强技术

对医学细胞图象采用了数种伪彩色增强技术，对其进行了增强显示，并进行了效果比较，提出了适用医学细胞图象的增强技术和方法。     

细胞图象的背景分割方法

对内分泌细胞图象分析的基础上，克服常规背景分割方法的缺陷，提出了采用阈值曲面方法对内分泌细胞图象进行背景分割的技术，获得了令人满意的效果     

基于动态阈值选择和细化算法的角膜细胞轮廓抽取

角膜细胞图象轮廓提取的关键是分隔出细胞与背景,生成二值图象．由于角膜细胞图象的光照不均匀,用单一域值无法兼顾亮区与暗区．提出了一种基于动态域值选择和细化算法的角膜细胞轮廓抽取算法．首先对处理图象进行灰度平均和中值滤波平滑处理,消除细胞内部的不均匀性和保持细胞之间的边界;然后用动态域值选择算法分割细胞和背景;最后使用细化算法抽取细胞的轮廓．此算法应用于角膜细胞图象,处理结果证明了算法的有效性．     

血液细胞图象的模糊综合评判及分类

本文陈述了一种基于模糊综合评判的理论对血液细胞进行分类的方法。研究这一方法的目的在于更好地把血液细胞进行分割、分类,从而为临床诊断提供客观、定量的依据。本文在血液细胞分割的基础上提取图象的特征信息,确定细胞图片的评判参数,对细胞进行分类。本文研究的分类算法对上百幅图像进行试验,效果较好,取得了预期的目标。     

基于自反馈神经网络的运动模糊图象恢复方法的研究

本文提出一种用自反馈神经网络来恢复被噪声污染的非零边界条件模糊灰度图象的方法。文中详细讨论了用于描述图象的神经元网络模型,给出了模型参数估计和根据该模型实现的图象恢复算法。在神经元网络模型中,图象的灰度函数被表示成神经元状态的简单代数和。实验结果表明由于神经元网络模型的容错性和自适应性,运用该方法对加有椒盐噪声的匀速直线运动模糊列车图象进行恢复,可以得到高质量的图象恢复结果。     

基于神经网络分类的自适应图象编码

介绍一种对图象特征系数进行分类的自适应图象压缩编码算法。利用子图象ＤＣＴ系数间的相关性，使用神经网络的方法对ＤＣＴ系数矩阵进行分类对具有相近频率分布的变换系数矩阵进行聚类，使得各频率分量的方差减小，并提出了自适应的比特分配算法。实验表明在相同的压缩比情况下，该图象编码算法较其他方法有明显的提高。     

基于五阶CNN的图像边检测算法研究

边缘是图像的最基本的特征之一,边缘提取是图像分析中非常重要的步骤,而细胞神经网络是边缘检测中很有效的一种方法.作者基于细胞神经网络(cellular neural network,简称CNN),研究了5阶CNN模板对图像边缘检测的过程,阐述了算法实现过程中的关键步骤,并且证明了算法的稳定性.对图像分别采用基于5阶、3阶CNN算法和经典算子(Prewit、Canny、Sobel等)进行边缘提取,定性分析比较了几类算法在性能上的优劣,定量比较了检测结果的准确性.实验结果表明,基于5阶CNN模板算法的边缘检测结果更加显著,且在硬件实现上能够高速并行计算,实现图像实时处理.     

图像差异比较与CNN基因联络模板设计

通过设计细胞神经网络(CNN)基因联络模板,讨论对两幅图像的差异比较。提出利用细胞神经网络(CNN)可以高速、有效、直观地实现两幅图像的差异比较。同时,给出一个实例,说明所设计的这类细胞神经网络(CNN)基因在图像差异比较处理上的一个应用。     

基于CNN通用编程的字母识别研究

利用CNN处理器的并行图像处理原理和通用编程的理论,提出基于CNN二值图像字母识别的通用编程方法,说明了用该方法作实时图像处理与识别的操作过程,解决了传统计算机串行数据处理的瓶颈问题．     

一类用神经网络实现图像去噪的新方法

提出了一类基于二维细胞自动机(CA)和细胞神经网络(CNN)的图像滤波新方法。通过对两种新的二维CA规则的深入研究，得出了两类CA演化规则能够用于设计新的细胞神经网络，可以实现灰度图像的噪声消除。核心思想是用两个对偶CA规则设计两个CNN网络，联合实现图像滤波处理，能够获得比传统算法好得多的处理速度和效果。仿真结果证明本文的想法是合理的，期望能够在二维CA研究与应用设计方面有所启发和突破。     

SA-PSO算法在CNN边缘提取模板设计中的应用

提出了一种用于边缘提取的细胞神经网络(CNN)模板的设计方法,该方法在基本粒子群算法的基础上引入模拟退火机制,形成模拟退火粒子群算法(SA-PSO)对模板参数值进行搜寻。在搜索过程中,用退火温度调节粒子的突跳概率,轮盘赌策略确定粒子的全局最优的替代值,这样能有效避免基本PSO算法容易陷入局部最优解的问题。同时,为了保证每轮搜寻产生的解均能使CNN网络稳定,用CNN反馈模板的研究结论对粒子群解空间进行约束。模拟实验表明,文章算法设计出的CNN模板有良好的边缘提取能力。     

GVF场的多层细胞神经网络实现及其在图像分割中的应用

提出了利用多层细胞神经网络实现梯度矢量流GVF场的方法,并与扩展、细化的细胞神经网络(CNN)相结合来实现动态轮廓的图像分割．细胞神经网络具有并行运算的能力,可解决传统串行算法复杂性大,不能实时处理的问题,并克服了梯度场作为CNN的外力驱动方法的局部最小问题。在图像处理过程中,外部图像由GVF信息引导,最后收敛到所期望的目标位置。结果表明,该方法在不同的输入图像条件下均获得了比Vilarino提出的方法更好的分割结果,并具有实时处理速度。     

一组混沌保密通信系统的理论探讨

混沌保主系统是用混沌系统中的状态作为密钥信号对信息信号进行编码，从而提高信号传输时的抗破译能力。信息信号在接收端系统被恢复出来，其中的关键在于接收端与发送端混沌系统要达到同步。本文构造了保密通信系统的发送端和接收端混沌系统，交 沌的同步归结为一个非线性一     

离散时间细胞神经网络中的分岔和混沌

研究了离散时间细胞神经网络（ＤＴＣＮＮ）中的分岔和混沌,ＤＴＣＮＮ中的细胞与连续时间ＣＮＮ中的细胞相似,具有局部耦合,其输出方程是罗切斯蒂方程。分别讨论了２种结构（有边界和无边界）的ＤＴＣＮＮ的混沌特性,ＤＴＣＮＮ的混沌与全局耦合系统一的混沌相似,但由于其局部耦合的结构,其混沌与后者有所不同。提出了有关分岔与混沌的一些有兴趣的理论问题和实际问题．     

一种基于遗传算法的细胞神经网络模板设计算法

细胞神经网络(CNN)设计的关键是找出其模板参数(Cloning template),所提出的一种基于遗传算法的细胞神经网络模板设计算法,经实验证明是可行的.     

基于混沌粒子群优化算法的CNN图像边缘提取方法

细胞神经网络(Cellular Neural Network,CNN)具有能够高速并行计算,易于硬件实现等特点,使其在未来的图像处理方面展现出了广阔的应用前景.CNN较好地探测出图像中边缘的关键在于设计出一组较好的模板参数.提出一种基于混沌粒子群优化算法求解模板参数的方法,一方面,避免了分析细胞神经网络动态性能的一系列复杂过程;另一方面,通过将搜索过程映射为对混沌轨道的遍历过程,可以使得搜索过程避免陷入局部极小,并且在模板参数的范围内能快速找到最优模板值.仿真实验表明,利用该方法设计出来的CNN去探测图像中的边缘比已有结果和利用几种经典边缘提取算子得到的边缘结果更加精确.