导读:本文包含了脉冲耦合神经网络模型论文开题报告文献综述及选题提纲参考文献，主要关键词:真空电弧,燃烧过程,脉冲耦合神经网络,形态学技术
脉冲耦合神经网络模型论文文献综述
向川,王惠,史鹏飞,董华军[1]（2019）在《基于改进脉冲耦合神经网络模型的真空电弧燃烧过程研究》一文中研究指出真空开关开断电流过程中电弧形态演变和特征量变化过程是决定真空开关开断能力的关键特性之一。该文首先建立改进脉冲耦合神经网络(PCNN)模型,对真空电弧图像进行多值分割;然后利用形态学技术对分割电弧图像进行连通域选取和边缘噪声滤波,用于量化描述动触头位移、电弧面积等特征参数;最后结合特征参数曲线和电弧实验图像,对整个开断过程中真空电弧产生、发展和熄灭等燃烧过程展开定量和定性分析。研究结果表明,改进PCNN模型适用于处理边缘区域灰度梯度变化大的真空电弧图像,呈现出细节特征丰富、边缘清晰、噪声低和分割精度高等特点;结合电弧特征参数和实验结果对电弧燃烧过程进行定量和定性分析,相比前期研究工作更加细化深入;不同峰值电弧电流对电弧面积、电弧最大面积出现时刻、电弧各燃烧阶段持续时间和转变过程均有很大影响。本文将定量计算和定性分析相结合,较深入地研究了真空开关开断过程中电弧的燃烧过程,研究工作对真空电弧调控策略的提出具有一定的参考价值。(本文来源于《电工技术学报》期刊2019年19期）
杨臻[2]（2019）在《脉冲耦合神经网络模型分析及其相关应用研究》一文中研究指出脉冲耦合神经网络(Pulse Coupled Neural Network,PCNN)作为人眼视觉特性的数学抽象,已被广泛应用到图像处理的各个领域。然而,早期经典PCNN模型复杂,参数众多,计算复杂度高,处理效率低。针对以上问题,许多学者致力于PCNN模型的简化以及参数的设定。研究结果表明,简化后的模型性能并未下降,同时需要设置的参数个数减少,更有利于模型的迁移应用。在模型简化方面,最着名的模型有简化脉冲耦合神经网络(Simplified Pulse Coupled Neural Network,SPCNN)、交叉皮层模型(Intersecting Cortical Model,ICM)和脉冲发放皮层模型(Spiking Cortical Model,SCM)等,以上模型在图像增强、分割、去噪、边缘检测和目标识别等领域被广泛应用,极大地促进了相关领域的发展。在参数设置方面,有根据经验的设置法,也有基于图像统计特性的自动参数设置方法,还有基于数据集训练参数的方法。可以看出,模型简化和参数设置构成了PCNN模型相关研究的两大阵营,越来越多的学者投入到PCNN模型研究中。本文以经典PCNN模型为研究对象,旨在探索、分析和研究基于PCNN模型的图像处理方法,提出了若干改进的PCNN模型,并将其用到了目标检测、图像分割和量化压缩等领域,本论文主要的研究工作和贡献如下:1.经典PCNN模型将图像处理问题转换为神经元点火问题,其中每个像素对应一个神经元。但是传统PCNN的数学耦合特性使得神经元点火时刻都为整数,不能很好的模拟真实神经元的自然点火时刻-非整数时刻点火。基于该问题,本文提出了非整数步长指数的SPCNN模型,通过在迭代过程中加入非整型步长,使PCNN的数学耦合点火特性基本消失,神经元点火时刻接更近真实值。同时这种非整数级别的步长使得PCNN模型处理图像更为精细,尤其在不确定的边界或目标处,通过减少步长,处理分辨率更高,检测和分割更为细腻精致。另外,通过与多分辨率分析理论相结合,该模型被成功应用到乳腺钼靶X线钙化点检测任务中去,能有效地从复杂环境中检测出混合在高频组织中的乳腺病灶。2.哺乳动物的不同神经元在结构和连接上存在明显差异,这种差异(异构特性)使得动物神经元在感知图像时能高效提取图像信息,为视觉系统处理图像提供有力保障。本论文基于神经元异构理论提出一种异构的简化脉冲耦合神经网络(Heterogeneous Simplified Pulse Coupled Neural Network,HSPCNN)用于自然图像的分割,HSPCNN由几个不同参数的SPCNN按照不同的权重连接形成并行处理模型,其参数完全自适应设置,并且每个SPCNN单元拥有不同强度的归一化输出,对应大脑不同区域对外界刺激不同程度的响应。此模型可按照灰度级将图像分割成不同的区域。针对图像分割评价指标信息变差(Variation of Information,VI)表达力不足的缺陷,本文引入类间误差和类内误差将之修订,并成功应用于图像分割的性能评价中。3.针对异构脉冲耦合神经网络(Heterogeneous Pulse Coupled Neural Network,HPCNN)在图像量化中出现边界效应这一缺陷,本文提出了一种新的异构网络模型–(Sine-Cosine Heterogeneous Pulse Coupled Neural Network,SC-HPCNN),将正余弦振荡项引入神经元点火阈值和内部活动项中形成SC-PCNN。正余弦振荡器由于振荡波动可使动态阈值和内部活动项获得短时微小增量,这种增量能有效抑制系统累积噪声并使分割结果迅速收敛,此模型与形态学操作结合后可消除系统噪声扰动和外界噪声影响。利用此模型将原图像分割成目标区域和背景区域后,分别采用两个不同参数的PCNN单元对目标区域和背景区域量化,这种由SC-PCNN和两个不同参数PCNN组成的异构结构就是SC-HPCNN,最终通过迭加两PCNN输出的赋时矩阵并取反之后获得原始图像的量化压缩图像。(本文来源于《兰州大学》期刊2019-03-01）
郭业才,周林锋[3]（2015）在《基于脉冲耦合神经网络和图像熵的各向异性扩散模型研究》一文中研究指出在图像去噪过程中,大部分基于偏微分方程的各向异性扩散模型均使用梯度信息检测边缘,当边缘部分被噪声严重污染时,这些方法不能有效检测出这些边缘,因而无法保留边缘特征.为了较完整的保留图像的区域信息,用脉冲耦合神经网络(PCNN)能使具有相似输入的神经元同时产生脉冲的性质对噪声图像做处理,得到图像熵序列,并将图像熵序列作为边缘检测算子引入到扩散方程中,不仅能克服仅用梯度作为边缘检测算子易受噪声影响的弊端,而且能较完整地保留图像的区域信息.然后,用最小交叉熵准则搜索使去噪前后图像信息量差异最小的阈值,设计最佳阈值控制扩散强度,建立基于脉冲耦合神经网络与图像熵改进的各向异性扩散模型(PCNN-IEAD).分析与仿真结果表明,该模型与经典模型相比,保留了更多的图像信息,能够兼顾去除图像的噪声和保护图像的边缘纹理等细节信息,较完整的保留了图像的区域信息,性能指标同样也证实了新模型的优越性.另外,该模型的运行时间较经典模型的短,因此,该模型是一个理想的模型.(本文来源于《物理学报》期刊2015年19期）
安琦,李敏,何玉杰,姚俊萍[4]（2014）在《一种优化脉冲耦合神经网络模型及在图像分割中的应用》一文中研究指出针对目前脉冲耦合神经网络(PCNN)神经元模型参数主要通过人工设定问题,以简化参数为目的将PCNN模型的调制参数β与连接权矩阵K简化为链接系数矩阵W,提出一种优化PCNN神经元模型。该模型应用于图像分割时,充分利用图像本身空间和灰度特性自动确定链接系数,实现对图像的有效分割。实验结果表明,所提方法可以有效对图像进行自动分割,其分割效果优于Otsu方法、人工调整PCNN参数方法。(本文来源于《计算机科学》期刊2014年S1期）
王尧[5]（2013）在《基于脉冲耦合神经网络的视觉推断模型理论与应用研究》一文中研究指出近些年来,我国高速铁路快速发展,列车运行速度不断加快。随着高速铁路列车运行速度的大幅提高,运营安全的保障显得更为重要。在影响列车运行安全的因素中,线路异物侵入限界,灾害或人为因素等导致的线路破坏等情况,由于其具有较强的随机性,目前还没有有效的监测和防范方法。基于视频监控的监测方法是目前对这些情况比较有效的方法,但是目前的铁路线路视频监控或基于视频图像的检测系统大都无法做到计算机自动识别。这主要是受目前计算机视觉技术的制约。虽然近年来计算机视觉技术有了较大的发展,但是距离其使计算机实现人类视觉功能的最终目标还有很大差距。目前,借鉴生物视觉系统的研究成果来解决计算机视觉问题已经成为一个研究方向。最近,在生物视觉系统和计算机视觉系统中马尔科夫随机场上的贝叶斯推断方法都受到了广泛重视,在计算机视觉领域贝叶斯推断方法可以精确求解许多实际视觉问题,但是其求解存在困难,现有方法需要消耗大量时间,无法应用于实时处理系统中。在生物视觉领域,贝叶斯推断理论可以很好地解释许多生物视觉的发现,说明大脑在处理视觉信息时采用了类似的机制。并且大脑可以快速地对视觉信息进行处理和推断,这说明基于神经网络的并行结构可以快速地实现贝叶斯推断。但是贝叶斯推断的神经网络实现机制尚不明确。基于这些问题本文以高速铁路线路状态视觉检测为背景,针对线路状态视觉检测中的两个核心问题：前景提取和立体匹配,分别提出了两种新的基于贝叶斯推断框架的算法。并建立了可以实现马尔科夫随机场上贝叶斯推断的脉冲耦合神经网络,为求解贝叶斯推断问题和揭示生物视觉系统实现贝叶斯推断提供一种手段。本文首先提出了一种具有较高生物视觉相似性的求解贝叶斯推断的神经网络模型,可以实现一般马尔科随机场上的贝叶斯推断计算,称为神经视觉推断模型。该网络本质上是一个脉冲耦合神经网络,模型以Leaky Integrate-and-Fire (LIF)神经元为基本单元,采用脉冲作为表示和传递信息的方式,神经元之间通过脉冲进行耦合。神经视觉推断模型的贝叶斯推断的计算原理是基于“信任传递”算法。通过神经网络直接实现“信任传递”算法,本文研究了实现“信任传递”算法的神经网络结构,该网络包含信任神经元和消息神经元,分别实现信任和消息的计算。网络采用基于平均脉冲频率的群体编码表示信任和消息,神经元组之间采用固定概率的随机群体连接。仿真实验表明该模型可以有效地实现马尔科夫随机场上的贝叶斯推断。其次,本文在建立神经视觉推断模型基础上针对高速铁路线路状态视觉检测中两个核心问题：前景提取和立体匹配,分别提出了基于马尔科夫随机场上贝叶斯推断框架的算法。在前景提取方面,本文指出了铁路线路异物检测的核心问题是前景提取及背景建模。进而提出了采用贝叶斯推断框架求解前景提取问题的方法。提出了一种新的基于马尔科夫随机场的背景建模的似然概率模型,和一种结合短期和长期背景更新机制的背景更新方法。本文利用广泛使用的测试数据集中的视频对算法进行了测试并与最新发表的算法结果进行了比较,本文提出的算法取得了较好的前景提取效果,并比目前最新算法的提取效果有所提高。在立体匹配算法方面,本文提出了一种基于马尔科夫随机场的匹配方法。该方法利用交叉皮层模型(ICM)建立似然概率模型,并利用视觉推断模型进行求解,模型充分利用了ICM的自动波传播等特性,取得了较好的匹配效果。本文采用常用的测试图像对算法进行了测试,结果表明本文算法可以较好地实现立体匹配,效果好于其它基于神经网络的立体匹配方法。最后,本文构建了基于上述核心算法的高速铁路线路状态视觉检测系统。包括线路异物监测系统和护栏完整性检测系统。介绍了系统的组成、结构和检测方法等。给出了检测系统对现场图像的识别和处理结果,实验结果表明,本文提出的系统可以较为有效地实现高速铁路线路状态的视觉检测。(本文来源于《北京交通大学》期刊2013-11-01）
杨浩,杨梅,杜改营,谭涛[6]（2013）在《基于各向异性脉冲耦合神经网络模型的光照补偿》一文中研究指出针对低照度非均匀光照图像,为了解决传统脉冲耦合神经网络(PCNN)模型在光照补偿中出现的灰化现象和阴影部分光照补偿不足的问题,提出了基于各向异性PCNN(anisotropic-PCNN)模型的光照补偿算法。首先,分析了图像的统计特性,进而根据PCNN模型神经元的点火特性,讨论了连接权值矩阵W、M的取值对自动波的波面阵和波的传播方向的影响;然后,基于Weickert的扩散率函数,对连接权值矩阵W、M重新赋值,设计了各向异性PCNN模型;最后,给出了各向异性PCNN模型的输出与补偿后图像之间的简化非线性映射函数。仿真结果表明,本文模型可以有效地进行图像的整体和局部动态范围的调整,使图像中阴影区域的细节信息得到充分展现,消除传统PCNN模型引起的灰化现象。对低照度非均匀光照的图像的光照补偿具有一定的普遍适用性。(本文来源于《光电子.激光》期刊2013年10期）
李荣花[7]（2012）在《基于改进的脉冲耦合神经网络模型的图像融合》一文中研究指出脉冲耦合神经网络模型PCNN(Pulse Coupled Neural Network)运行时间长、效率低等特点,现提出了一种改进的脉冲耦合神经网络模型用于图像融合。通过对多聚焦距图像和医学图像进行了实验,同时与小波变换、拉普拉斯变换等图像融合算法进行了比较。研究结果表明:方法简化了PCNN模型,减少了PCNN运行的时间。在主观视觉和客观评价上均具有良好的效果。(本文来源于《科学技术与工程》期刊2012年35期）
李云红,伊欣[8]（2012）在《基于脉冲耦合神经网络模型的小波自适应斑点噪声滤除算法》一文中研究指出分析了维纳滤波原理和脉冲耦合神经网络(PCNN)模型的特点,根据斑点噪声统计模型的特征,结合小波变换方法,提出了一种基于PCNN模型的小波自适应斑点噪声滤除算法(W-PCNN-WD)来改善超声图像质量。首先,对超声图像进行对数变换,使斑点噪声转换为加性噪声;对医学图像进行维纳滤波处理,计算其加性噪声的标准方差,并以此作为小波阈值。然后,利用小波变换对图像进行预处理,利用PCNN在小波域中对小波系数进行相应的修正。最后,进行小波逆变换和指数变换,获得滤除噪声的图像。结果表明:本文提出的滤波方法优于其他滤波方法,当噪声方差为0.01时,本文滤波算法获得的峰值信噪比(PSNR)比经Wiener滤波方法获得的高出9dB。该滤波方法能在有效去除超声斑点噪声的基础上保留图像的边缘细节信息,极大地改善了图像的视觉质量。(本文来源于《光学精密工程》期刊2012年09期）
杨娜,陈后金,李艳凤,郝晓莉,姚畅[9]（2013）在《基于改进的脉冲耦合神经网络模型的图像分割》一文中研究指出提出了一种改进的脉冲耦合神经网络(Receptive field-pulse coupled neural net-works,RF-PCNN)模型。通过感受野模型对连接矩阵的优化,使脉冲耦合神经网络(Pulsecoupled neural networks,PCNN)模型具有了方向性和尺度性,能够更好地模拟视觉细胞图像分割的功能。试验结果表明:RF-PCNN模型对自然环境中车辆图像分割的有效性,分割结果具有较高的边界检出率,较好地解决了图像分割中车牌区域存在的欠分割和过分割问题。(本文来源于《吉林大学学报(工学版)》期刊2013年03期）
施俊,常谦,钟瑾[10]（2010）在《基于叁维脉冲耦合神经网络模型的医学图像分割信号与信息处理》一文中研究指出该文将脉冲耦合神经网络模型从二维平面扩展到叁维空间,同时提出一种新的乘积型互信息算法,将其作为脉冲耦合神经网络分割算法的最优分割准则,并将两者结合实现叁维医学图像的整体自动分割.利用该文提出的算法对叁维CT肺部图像进行分割实验,结果表明,该算法在保证分割精度的基础上显着地减少了分割运行时间,提高了分割效率,具有应用于医学图像分割的潜在价值.(本文来源于《应用科学学报》期刊2010年06期）
脉冲耦合神经网络模型论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
脉冲耦合神经网络(Pulse Coupled Neural Network,PCNN)作为人眼视觉特性的数学抽象,已被广泛应用到图像处理的各个领域。然而,早期经典PCNN模型复杂,参数众多,计算复杂度高,处理效率低。针对以上问题,许多学者致力于PCNN模型的简化以及参数的设定。研究结果表明,简化后的模型性能并未下降,同时需要设置的参数个数减少,更有利于模型的迁移应用。在模型简化方面,最着名的模型有简化脉冲耦合神经网络(Simplified Pulse Coupled Neural Network,SPCNN)、交叉皮层模型(Intersecting Cortical Model,ICM)和脉冲发放皮层模型(Spiking Cortical Model,SCM)等,以上模型在图像增强、分割、去噪、边缘检测和目标识别等领域被广泛应用,极大地促进了相关领域的发展。在参数设置方面,有根据经验的设置法,也有基于图像统计特性的自动参数设置方法,还有基于数据集训练参数的方法。可以看出,模型简化和参数设置构成了PCNN模型相关研究的两大阵营,越来越多的学者投入到PCNN模型研究中。本文以经典PCNN模型为研究对象,旨在探索、分析和研究基于PCNN模型的图像处理方法,提出了若干改进的PCNN模型,并将其用到了目标检测、图像分割和量化压缩等领域,本论文主要的研究工作和贡献如下:1.经典PCNN模型将图像处理问题转换为神经元点火问题,其中每个像素对应一个神经元。但是传统PCNN的数学耦合特性使得神经元点火时刻都为整数,不能很好的模拟真实神经元的自然点火时刻-非整数时刻点火。基于该问题,本文提出了非整数步长指数的SPCNN模型,通过在迭代过程中加入非整型步长,使PCNN的数学耦合点火特性基本消失,神经元点火时刻接更近真实值。同时这种非整数级别的步长使得PCNN模型处理图像更为精细,尤其在不确定的边界或目标处,通过减少步长,处理分辨率更高,检测和分割更为细腻精致。另外,通过与多分辨率分析理论相结合,该模型被成功应用到乳腺钼靶X线钙化点检测任务中去,能有效地从复杂环境中检测出混合在高频组织中的乳腺病灶。2.哺乳动物的不同神经元在结构和连接上存在明显差异,这种差异(异构特性)使得动物神经元在感知图像时能高效提取图像信息,为视觉系统处理图像提供有力保障。本论文基于神经元异构理论提出一种异构的简化脉冲耦合神经网络(Heterogeneous Simplified Pulse Coupled Neural Network,HSPCNN)用于自然图像的分割,HSPCNN由几个不同参数的SPCNN按照不同的权重连接形成并行处理模型,其参数完全自适应设置,并且每个SPCNN单元拥有不同强度的归一化输出,对应大脑不同区域对外界刺激不同程度的响应。此模型可按照灰度级将图像分割成不同的区域。针对图像分割评价指标信息变差(Variation of Information,VI)表达力不足的缺陷,本文引入类间误差和类内误差将之修订,并成功应用于图像分割的性能评价中。3.针对异构脉冲耦合神经网络(Heterogeneous Pulse Coupled Neural Network,HPCNN)在图像量化中出现边界效应这一缺陷,本文提出了一种新的异构网络模型–(Sine-Cosine Heterogeneous Pulse Coupled Neural Network,SC-HPCNN),将正余弦振荡项引入神经元点火阈值和内部活动项中形成SC-PCNN。正余弦振荡器由于振荡波动可使动态阈值和内部活动项获得短时微小增量,这种增量能有效抑制系统累积噪声并使分割结果迅速收敛,此模型与形态学操作结合后可消除系统噪声扰动和外界噪声影响。利用此模型将原图像分割成目标区域和背景区域后,分别采用两个不同参数的PCNN单元对目标区域和背景区域量化,这种由SC-PCNN和两个不同参数PCNN组成的异构结构就是SC-HPCNN,最终通过迭加两PCNN输出的赋时矩阵并取反之后获得原始图像的量化压缩图像。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
脉冲耦合神经网络模型论文参考文献
[1].向川,王惠,史鹏飞,董华军.基于改进脉冲耦合神经网络模型的真空电弧燃烧过程研究[J].电工技术学报.2019
[2].杨臻.脉冲耦合神经网络模型分析及其相关应用研究[D].兰州大学.2019
[3].郭业才,周林锋.基于脉冲耦合神经网络和图像熵的各向异性扩散模型研究[J].物理学报.2015
[4].安琦,李敏,何玉杰,姚俊萍.一种优化脉冲耦合神经网络模型及在图像分割中的应用[J].计算机科学.2014
[5].王尧.基于脉冲耦合神经网络的视觉推断模型理论与应用研究[D].北京交通大学.2013
[6].杨浩,杨梅,杜改营,谭涛.基于各向异性脉冲耦合神经网络模型的光照补偿[J].光电子.激光.2013
[7].李荣花.基于改进的脉冲耦合神经网络模型的图像融合[J].科学技术与工程.2012
[8].李云红,伊欣.基于脉冲耦合神经网络模型的小波自适应斑点噪声滤除算法[J].光学精密工程.2012
[9].杨娜,陈后金,李艳凤,郝晓莉,姚畅.基于改进的脉冲耦合神经网络模型的图像分割[J].吉林大学学报(工学版).2013
[10].施俊,常谦,钟瑾.基于叁维脉冲耦合神经网络模型的医学图像分割信号与信息处理[J].应用科学学报.2010