PCNN脉冲耦合神经网络要点

1、rvii.1.2.2.3.3.4.4.4.4.4.4.4.5.5.5.8.9131516图像去噪.图像增强图像分割图像边缘检测图像融合图像阴影去除求解最小路径PCNN实现滤波图像分割红细胞图像PCNN图像信息提取边缘检测图像增强PCNN脉冲耦合神经网络目录PCNN脉冲耦合神经网络刖言脉冲耦合神经网络模型PCNN的神经元/的离散方程,变量说明优良特性功能及应用1234567前言从20世纪90年代开始，由Eckhorn等对猫的视觉皮层神经元脉冲串同步震荡现象的研究，得到了哺乳动物神经元模型，对Eckhorn提出的模型进行一些改进，就得到了脉冲耦合神经网络模型。脉冲耦合神经网络模型linkingth

2、ershold卫5AI顾j活IfromOtWncurcmsJJnj>uUfttjtti.OthernturoFlszFeedingOutputlOother创epfiinction>-DendritictreelinkingPuJsegenerator暂标卅脉冲稱合神铮幅堵的橈甲wTV分支树.馈送输入F*j"I链接输入L以相对较小/较大的时间常数*对神经元j某邻域内的其他神经元的j输出进行漏电容积分加权和，此外F还接受该神经元的外部刺激L。链接器以乘积耦合形式U二FU+0L构成神经元J的内部行为Uj。jjj脉冲产生器由对网络输出进行漏电容积分的变阈值特性起激活该神经元的作

3、用和硬限幅函数起抑制该神经元的作用组成，脉冲是否产生取决于内部行为大小能否超过其激发动态门限，且此门限值随着该神经元输出状态的变化发生变化。当阈值e小于Uj时，神经元被激活（即输出Yj=i），称之为点火一次，紧接着因为输出端对阈值的反馈使得阈值e突然变高（通常Ve取值大），神经元又被抑制（即输出Y=0）,从而在神经元输出端产生一个脉冲信号，比脉冲信号经过加权又连接到相邻神经元的输入端，从而影响这些神经元的激发状态，故该网络称为脉冲耦合神经网络。PCNN的神经元j的离散方程MY(n-1)+1ijklklijMY(n-1)ijklklF(n)=exp(-u)F(n-1)+V工ijFijFijk,l

4、L(n)=exp(-v)L(n-1)+V丫ijLijLJk,lU(n)=F(n)(l+0L(n)ijijij0(n)=exp(-T)0(n-1)+VYY(n)=<U(n)>0U(n)<0变量说明ij八-6:内部活动项的连接因子F、VF、j：反馈输入域、其放大系数、衰减时间常数FFL、VL、今耦合连接域、其放大系数、衰减时间常数L.L头V、务动态门限、其放大系数、衰减时间常数f:神经元强制激发外部激励U：内部活动项/二FG+0L）jjjy：输出脉冲（0或1）对于图像处理，它可以做相应的简化。优良特性'时空总和特性动态脉冲发放特性同步脉冲发放引起的振动与波动特性功能及应用

5、1.图像去噪现实中的数字图像在数字化和传输过程中常受到成像设备与外部环境噪声干扰等影响,称为含噪图像或噪声图像。减少数字图像中噪声的过程称为图像去噪2.图像增强图像增强是指按照特定的要求突出一幅图像中的某些感兴趣信息，以获得更“好"的视觉、效果的一种图像处理技术这种“好"的评价是由图像的观察者给出的根据人眼视觉的特性,提出了各种基于PCNN的图像增强算法3.图像分割5将图像划分为一些互不重叠的区域，每一区域是像素的一个连续集4. 图像边缘检测边缘检测是图像处理和计算机视觉中的基本问题，边缘检测的目的是标识数字图像中亮度变化明显的点。图像属性中的显著变化通常反映了属性的重要事

6、件和变化5. 图像融合图像融合(ImageFusion)技术是指将多源信道所采集到的关于同一目标的图像经过一定的图像处理，提取各自信道的信息，最后综合成同一图像以供观察或进一步处理。6. 图像阴影去除7. 求解最小路径PCNN实现滤波主要实现去除椒盐噪声，对于高斯噪声有一定的效果（有专门去除高斯噪声的算法）换加了抓盐噪龙的E3狛去肚"無声丙的培與去馬p电ppei噪声佰的猜髡将程序改到GPU上，matlab和GPU对比如下:加10%椒盐噪声，CPU结果：Matlab结果：(Elapsedtimeis64.288210seconds.)GPU结果:加30%椒盐噪声，CPU结果:GPU结果

7、:Matlab结果：(Elapsedtimeis90.547142seconds.)CUDfiinitialized.fileopensuccess.仪xxxxxxxkxDenoisexxxxxxiootxprocessInCpuDenoisesalt:time<ms>>33655Denoisepepper：time<ms>:35G.53fileopensuccess*Ixxx買。enoise買買mhxxProcessInGpuBenoisesalt:time<ms>:7.49scale:44.93Dnoisepepper：time(ms)：7-60scale:46*93图像分割W口傀Hh口曲鼻靑州曲第二幅是图像分割的结果，第3、4幅为利用PCNN自动波的特点去除图像微小干扰物体的结果。红细胞图图像分割一测试红细胞%剧口焕底稳喘对it:it尊卒喀担那；戳Si'W-WtVHPXUISIJKVMil昭組H址林幅比擡环制Ijt弗个拦-PCNN图像信息提取计算信息熵得如图:纵坐标为熵值，横坐标为PCNN迭代次数。从熵值看，可知随着迭代次数的增加，在16以后，熵是递减的趋势