基于脉冲耦合神经网络的图像处理

脉冲耦合神经网络(Pulse-Coupled Neural Network,简称PCNN)是基于对猫的视觉皮层神经元脉冲串同步振荡现象的研究发展而来的神经网络模型,被称为第三代人工神经网络,与传统的人工神经网络模型相比较,因其具有动态神经元、时空总和特性、波的自动传播、同步脉冲发放等特性而备受关注。PCNN的工作原理和其在图像处理、雷达声纳、电子行业、医药卫生、语音信号处理等领域的应用在国内外受到广泛重视。近年来,国内对神经网络的研究发展也非常重视。本文的主要工作有:(1)深入分析了PCNN的工作机理和运行行为,并对其特性和应用领域进行详细介绍;(2)基于PCNN网络对图像的高斯噪声和椒盐噪声进行滤除;(3)给PCNN网络中的神经元加入竞争特性,在此基础上提出了基于最大熵准则的图像分割和图像边缘检测的新算法,与传统协同性PCNN网络算法和其它算法相比,得到的效果好,处理结果轮廓清晰并且细节保留较完整,在实际应用中有一定的优越性。最后总结了本文的研究成果,同时提出了研究中的不足和待解决的问题。