您现在的位置: 首页 > 网站导航收录 > 百科知识百科知识
pcnn(嫖娼男女都会被拘留吗)
神经元,图像,脉冲pcnn(嫖娼男女都会被拘留吗)
发布时间:2019-02-08加入收藏来源:互联网点击:
(2)PCNN应用于图像分割。
如果从灰度值来解释图像分割,那么分割就是从复杂背景中分离出感兴趣目标的相似灰度值像素过程。用PCNN进行图像分割时,亮度值大的像素点对应的神经元先点火,先发放脉冲,通过脉冲的传播,使得对应像素点亮度值相似且空间位置相邻的神经元发放出同步脉冲。这样,相似的多个神经元对应着图像中相同的区域,这就是利用PCNN脉冲传播特性实现图像分割的机理。鉴于PCNN直接来自于哺乳动物视觉特性良好研究成果,基于PCNN的图像分割完全依赖于图像的自然属性,不用预先选择处理空间范围,与其他方法相比,这是一种结合视觉特性的具有重要发展前景的更自然的图像分析方法。
基于PCNN的图像分割效果取决于PCNN中各参数的选择。然而,图像分割时,各种不同图像对应的PCNN参数是不同的,对PCNN参数的选择非常困难,大多用人工交互方式获得。这里对标准的PCNN模型进行了改进,并用最大熵准则确定迭代次数,进行图像分割。
图2为原始的256级Lena图像,图3是图2基于改进型PCNN和最大熵准则的图像分割结果。
(3)PCNN用于图像的边缘检测。
PCNN进行图像边缘检测的基本思想是,通过设计不同的捕获权和抑制权,使先点火的神经元对邻域中的边缘像素(即那些在灰度值上与已点火神经元对应象素相差较大的)对应神经元呈现出明显的抑制作用,而对非边缘像素(即那些在灰度值上与已点火神经元对应像素相差较小的)对应神经元则呈现出明显的捕获作用;这样,非边缘像素对应神经元将自然点火或被捕获点火,而边缘像素对应神经元将被得到抑制从而不被点火。对图像边缘像素的判定遵循这样的原则,即仅当神经元本该发生自然点火却因受到邻域点火神经元的抑制而不能点火时,则判定该神经元为边缘像素对应神经元。
图2原始的256级Lena图像
图3基于改进型PCNN和最大熵准则的图像分割结果
(4)PCNN用于图像融合。
由于图像融合技术是多传感器图像融合或多源图像融合。一般来说,融合后的图像比原图像信息量更大,细节更丰富,轮廓更清晰,更能精确描述目标,同时融合图像包含了原图像更多的冗余信息和互补信息。PCNN模型所独有的神经元捕获特性——某神经元点火会造成与该神经元亮度相近的邻近神经元捕获点火,能够自动实现信息传递和信息耦合。
PCNN很早就被应用到图像融合领域,文献[7]用小波和数学形态学等抽取乳腺目标图像特征,再用PCNN融合检测得乳腺目标,文献[8]研究了一种并行多通道PCNN模型的图像融合算法。实践证明,PCNN能有效进行图像融合。
介绍了一种新型的第三代人工神经网络即脉冲耦合神经网络(PCNN),并对其模型进行了讨论,同时总结了其特性,较具体地介绍了它在图像去噪、图像分割、图像边缘检测等方面的应用。研究发现,PCNN因其生物学背景,使之在图像处理方面有着明显的优势。国外初步的研究表明,PCNN具有广阔的应用前景,但由于PCNN标准模型的复杂性,今后应加强PCNN的理论研究,这是其应用的基础;加强其与其他算法的结合,拓展了PCNN的应用范围;探讨PCNN中参数的选取,从而加快了PCNN的运行效率。
本文到此结束,希望对大家有所帮助呢。
下一篇:返回列表
相关链接 |
||
网友回复(共有 0 条回复) |