脉冲耦合神经网络

摘要： 基于现有的机器视觉技术,针对水果的腐烂检测受到水果形状、大小、颜色影响而提取困难的问题,以苹果为研究对象,在机械自动化采摘时提出基于信息融合技术的苹果腐烂识别检测方法,检测苹果腐烂区域以便后续进行自动化处理。为了较好地分割苹果腐烂部分,提出一种基于活跃度的脉冲耦合神经网络图像分割算法,选择采用两个位置像素的联合概率密度定义的灰度共生矩阵,不仅描述了像素灰度信息,还描述了灰度空间分布信息,可以有效用来度量图像的复杂程度,较好地实现苹果腐烂分割。应用结果表明,采用改进的脉冲耦合神经网络图像分割算法较好地实现了苹果腐烂区域检测。

摘要： 脉冲耦合神经网络(PCNN)模型具有脉冲调制和耦合连接特性,广泛应用于数字图像处理领域。然而现有PCNN模型的研究都是从时域或图像本身包含信息角度分析参数与模型特性之间的关系,无法全面解释参数对模型特性的影响。从PCNN模型的迭代方程出发,利用离散系统频域分析方法从频域角度对无耦合PCNN模型进行分析,揭示无耦合PCNN模型的动态门限子系统具有低通特性,并确定网络参数aE的选取范围,同时通过对脉冲发放时刻公式进行推导,得到参数vE的选取范围。采用傅里叶变换方法分析单个神经元的脉冲发放频率特性和动态门限衰减频率特性,解释无耦合PCNN模型的参数对频域特性的影响。仿真实验结果验证了该理论分析结论的正确性,从频域角度理解无耦合PCNN模型的参数与模型特性之间的关系,为挖掘PCNN模型特性提供一种新的方法。

摘要： 文章研究了基于PCNN模型的图像分割。该方法利用PCNN模型有类似的灰度值与神经元对应可以同时发出脉冲的特征,保留图像的区域信息,显示了更多分割目标的细节信息,文章采用Lena图、Coins图以及经过模糊处理以后的Bike图进行了图像分割,并与最大类间方差Ostu分割方法进行了对比。实验结果表明,脉冲耦合神经网络分割方法利用最小的迭代次数、最快的分割速度,在图像的细节、轮廓以及去模糊方面实现了良好的分割效果。

摘要： 由于眼底血管结构复杂多变,且图像中血管与背景对比度低,眼底血管分割存在巨大困难,尤其是微小型血管难以分割。基于深层全卷积神经网络的U-Net能够有效提取血管图像全局及局部信息,但由于其输出为灰度图像,并采用硬阈值实现二值化,这会导致血管区域丢失、血管过细等问题。针对这些问题,提出一种结合U-Net与脉冲耦合神经网络(PCNN)各自优势的眼底血管分割方法。首先使用迭代式U-Net模型凸显血管,即将U-Net模型初次提取的特征与原图融合的结果再次输入改进的U-Net模型进行血管增强;然后,将U-Net输出结果视为灰度图像,利用自适应阈值PCNN对其进行精准血管分割;在U-Net模型中引入Batch Normalization和Dropout,提高训练速度,有效缓解过拟合问题。实验结果表明,所提方法的AUC在DRVIE、STARE和CHASE_DB1数据集上分别为0.9796,0.9809和0.9827。该方法可以提取更多的血管细节,且具有较强的泛化能力和良好的应用前景。

摘要： 为了克服红外与可见光图像融合过程中在目标物体的边缘处产生虚影的问题,提出一种基于交替梯度滤波器和改进脉冲耦合神经网络的图像融合方法。在梯度滤波器的基础上结合滚动引导滤波器和平滑迭代恢复滤波器提出一种交替梯度滤波器,可以同时实现小结构消除,局部强度保持和边缘恢复的特性。利用交替梯度滤波器分解源图像,分解为近似层和残差层。近似层采用多尺度形态学算子和最大区域能量与源图像相结合的融合规则,残差层用改进参数自适应脉冲耦合神经网络融合规则进行融合。最后,经过交替梯度滤波器重构得到融合结果图。实验结果表明,与其他5种融合方法进行比较,本文方法的客观评价指标平均梯度、标准差、信息熵、空间频率、边缘强度和视觉保真度分别平均提高了18%,10%,2.8%,16%,51%,11.2%,且能够避免在目标物体的边缘处产生虚影,较好地保留源图像的亮度、边缘、细节及纹理等信息。

摘要： 针对机场跑道胶痕形态特征多样性和跑道环境复杂性导致胶痕检测效率低下的问题,提出了基于改进简化脉冲耦合神经网络模型的机场跑道胶痕图像分割算法。首先在利用邻域灰度关系优化反馈输入的基础上,将神经元点火阈值机制从传统的指数衰减改进为线性分层步长衰减。然后引入杜鹃搜索算法,结合最小交叉熵对改进模型进行参数寻优。最后根据点火映射区域的平均灰度值构建自适应迭代终止条件。实验结果表明,该算法具有更高的胶痕检测精度,且在光照条件较差和标志线影响的情况下具有更好的抗干扰性。

摘要： 针对红外可见光图像融合效果较差且容易丢失主要信息等问题,提出一种基于鲁棒主成分分析法(RPCA)的红外可见光图像融合方法。应用RPCA将图像数据矩阵分解得到低秩矩阵和稀疏矩阵,对于更好的区分红外图像的目标信息和可见光图像的背景信息本身就是模糊问题。利用区域能量和模糊逻辑隶属度函数来计算得到权重系数从而融合低秩分量;在稀疏分量,选用自适应PCNN对稀疏分量融合,以信息熵作为反馈输入来调节自适应PCNN参数。结果表明相比传统方法来说,该方法可以更好的保持红外图像目标信息和可见光图像背景信息,而使得融合效果更好。

摘要： 针对传统樽海鞘群算法处理图像问题时收敛速度慢和精度低的问题,提出引入高斯变异、自适应惯性权重和早熟判别机制的樽海鞘群算法,并将其有效地运用在电力巡检图像增强中。改进的樽海鞘群算法(Improved Salp Swarm Aalgorith, ISSA)增强了种群多样性,扩大了种群搜索范围,克服了算法陷入局部最优解的缺陷,稳定快速地收敛于全局最优解。为了验证算法的有效性,在5个标准函数上进行测试,与其它元启发式算法进行比较,同时在电力巡检图像上进行实验。结果表明,算法寻优效率提高,对比于其它图像增强方法,上述算法使图像增强效果得到有效提升,具有较强的实用性。

摘要： 为了解决脉冲耦合神经网络(PCNN)在图像分割中存在红外图像噪声适应性差、分割结果精度差和参数确定复杂的问题,提出了一种结合多尺度高斯核和粒子群优化(PSO)的自适应分割(AGK-PCNN)算法。首先基于简化PCNN模型进行输入图像的全局耦合和脉冲同步,利用各向异性高斯核的特性设计了权重矩阵,有效地抑制红外噪声,且结合粒子群算法自适应调整不同图像的模型关键参数达到最优分割效果。最后同最大类间方差法、自适应高斯阈值分割方法、SCM分割方法等进行视觉效果对比,使用IoU和Dice得分等对分割图像进行定量比较,结果表明,无论是从主观视觉还是客观指标,本文方法的分割效果均优于其他对比方法。

摘要： 脉冲耦合神经网络模型常常被应用于图像去噪当中,本文在一种简化的脉冲耦合神经网络的基础上,对相关模型中的重要的参数与关系式进行了改进。首先,对神经元内部活动项的非线性关系中的重要参数做出改进,它影响着相邻神经元对中心神经元的点火速度,对图像去噪的结果影响巨大;同时对简化的脉冲耦合神经网络模型做进一部优化,减少模型中的相关参数,让衰减时间常数随着阈值常量变化而变化。将改进的简化脉冲耦合神经网络应用于图像去除噪声当中,经过相关实验对比可得,建立的改进脉冲耦合神经网络的简化模型,不仅对数字图像中的椒盐噪声的去除有很好的效果,而且能够真实.地还原图像的细节信息。相比于采用均值滤波和中值滤波降噪处理结果,图像更为清晰,还原图像信息效果更好。

摘要： 脉冲耦合神经网络具有较好的图像分割能力,但神经网络参数的选取对分割效果有很大的影响,如何自适应地选择网络参数是脉冲耦合神经网络应用研究的方向.本文从脉冲耦合神经网络的耦合特性出发、结合神经计算原理,提出了脉冲耦合神经网络耦合参数的优化算法.利用Hebb学习规则对脉冲耦合神经网络模型的连接权矩阵进行更新,利用图像局部区域的均方差自适应确定图像中不同区域连接强度系数的值.本文提出的改进增强了神经元之间的耦合强度,提高了运动车辆图像中车牌图像的分割质量,为后续车辆特征的提取奠定了良好的基础.

摘要： 实现智能化收获黄瓜首先将机器视觉下的目标(黄瓜)识别出来，然后控制机械手进行采摘，然而田间黄瓜的复杂背景及颜色相近的叶面使得黄瓜图像的分割很难得到理想的效果。脉冲耦合神经网络作为一种新算法，由于其独有的脉冲传播特性，在图像处理领域被广泛的应用。为此，应用脉冲耦合神经网络进行黄瓜图像分割，计算机仿真表明，采用脉冲耦合神经网络分割能够正确的分割出黄瓜果实。

摘要： 针对目前涉车的案件中采集到的图像对比度低,同时传统边缘检测适应性差、对噪声敏感,易产生边缘断裂等问题,本文提出了将改进脉冲耦合神经网络应用于车辆轮廓提取的方法,首先利用高斯滤波对采集的低质图像进行预处理,将其划分为二值图像;在此基础上,利用改进PCNN算法对图像中车辆进行轮廓提取,最终达到提高图像对比和边缘质量的效果.通过与相关算法的实验对比表明,本文方法对低质图像中车辆轮廓提取具有很强的适应性和良好的效果.

摘要： 本文描述了一种用于织物疵点检测的基于简化脉冲耦合神经网络(PCNN)的自适应图像分割方法.织物疵点分割是坯布疵点检测中至关重要的一步.由于受到环境(如光照、噪声)以及织物纹理等因素的影响,织物疵点分割研究仍具有挑战性.针对常见织物疵点大多在相邻纱线上带有纬向或经向的方向性变异的特点,引入了一个用待测织物图像行、列灰度对比度相对于无疵点的织物图像行、列灰度对比度的变异度参数(DOC)描述织物图像特征的新方法,它可有效地削弱织物纹理和光照的影响.简化PCNN利用局部和全局的DOC特征信息和空间分布信息选择网络参数值,减少了神经网络参数的数目.最后,用机器视觉检测平台的线阵扫描相机采集的织物图像和来自TILDA织物纹理数据库中的图像进行了测试,验证了本方法的有效性.

摘要： 为了更好地对医学图像进行融合，综合利用提升小波和改进型脉冲耦合神经网络(Pulse Coupled Neural Network, PCNN)的优点，提出了一种利用提升小波变换与自适应PCNN相结合图像融合新算法。首先利用提升小波变换对源图像进行多尺度分解，得到不同尺度下的子带系数；然后使用不同频率下小波系数的局域方向信息作为PCNN各个神经元的链接强度，经过PCNN点火获得点火映射图构成的点火频数，并根据点火频数进行PCNN的融合策略设计；最后经提升小波变换的逆变换得到融合图像。MRA与MRI图像以及MRI-T1与MRI-T2图像的融合实验表明，该算法与传统融合算法相比性能优越，能够大幅度提高融合图像的质量。

摘要： 围绕猪肉新鲜度的检测分级,本研究提出了基于PCNN(脉冲耦合神经网络)点火计数的异质传感器数据融合方法,解决了不同量纲的传感器数据融合的问题,并研发了基于Web的多元指标猪肉新鲜程度分级原型系统.

摘要： 脉冲耦合神经网络(Pulse Coupled Neural Network,以下简称为PCNN)在图像处理中得到了广泛的应用,但是其多个参数的设置给实际应用造成了很大的困难。尤其是在图像分割中,不同类型的图像要求不同的分割参数,不同的参数对图像分割结果影响很大。而粒子群算法(PSO)具有对参数自动寻优的优势,因此,本文提出了一种基于粒子群算法和PCNN的图像自动分割研究方法。分割试验仿真结果验证了该方法的正确性和可信性,即不仅可以实现正确的图像分割,而且参数可以自动设置省去了人工试验的麻烦,同时图像分割速度也有所提高。

摘要： 提出了一种基于NSCT与简化PCNN的自适应图像融合方法。针对脉冲偶合神经网络计算复杂,算法改进了一种简化PCNN模型。首先利用非下采样Contourlct变换对输入图像进行多尺度分解、多方向稀疏分解,然后利用局部能量比作为简化脉冲耦合神经网络的链接输入,较好地解决了PCNN需要人工调整参数的问题,利用PCNN同步激发特性确定高频融合规则,选取融合系数,提高融合性能,对于低频部分采用局部能量优先的融合策略。实验结果表明,该算法比小波变换、Contourlet变换等有更好的融合性能,同时具有一定的健壮性。

摘要： Bandelet变换是一种基于边缘的图像表示方法,能自适应地跟踪图像的几何正则方向,利用图像几何正则性,实现最佳稀疏表示.PCNN是一种简化的神经网络,不需要学习或者训练就能从复杂背景下提取有效信息.为了得到更好的融合效果,本文利用Bandelet描述几何流,再通过PCNN融合几何流,定义了基于稀疏相似度的几何流优化规则,提出基于第二代Bandelet变换和PCNN的多模态医学图像融合新算法BT-PCNN.本文算法有效改善了融合效果,融合图像边缘、纹理清晰,整体效果极佳;灰度均值、标准差、平均梯度、互信息等指标都优于现有的平均值融合算法、拉普拉斯金字塔算法以及基于小波变换和PCNN的WT-PCNN算法.

摘要： Bandelet变换是一种基于边缘的图像表示方法,能自适应地跟踪图像的几何正则方向,利用图像几何正则性,实现最佳稀疏表示.PCNN是一种简化的神经网络,不需要学习或者训练就能从复杂背景下提取有效信息.为了得到更好的融合效果,本文利用Bandelet描述几何流,再通过PCNN融合几何流,定义了基于稀疏相似度的几何流优化规则,提出基于第二代Bandelet变换和PCNN的多模态医学图像融合新算法BT-PCNN.本文算法有效改善了融合效果,融合图像边缘、纹理清晰,整体效果极佳;灰度均值、标准差、平均梯度、互信息等指标都优于现有的平均值融合算法、拉普拉斯金字塔算法以及基于小波变换和PCNN的WT-PCNN算法.

摘要： 本发明提供一种人工神经网络和脉冲神经网络神经的混合通信方法，包括：判断进行通信的神经网络基本计算单元中发送方与接收方的数据类型是否一致，若一致则进行数据传输，若不一致，则执行数据格式转换，将发送方的数据类型转换为与接收方的数据类型，并进行数据传输。本发明提供的人工神经网络与脉冲神经网络神经的混合通信方法实现了人工神经网络与脉冲神经网络的直接通信。

摘要： 本发明公开了脉冲神经网络加速方法及脉冲神经网络的事件驱动加速器，属于脉冲神经网络加速技术领域。现有的脉冲神经网络加速器没有在控制方法层面优化脉冲神经网络计算过程，使得计算延迟高。传统时间驱动加速器不支持抑制性脉冲神经网络，限制其应用范围。本发明的一种脉冲神经网络加速方法，根据脉冲神经元模型以及脉冲编码方式，构建近似计算模型。该近似计算模型利用脉冲频域编码忽略脉冲序列时间语义这一特征，压缩脉冲信号在时间步上的分布，大幅降低脉冲路由过程以及后续神经计算过程。本发明的时间驱动加速器，重新规划脉冲神经网络计算过程，设置去重队列以及位示图解决脉冲抖动问题，实现对抑制型脉冲神经网络的高效支持。

摘要： 一种脉冲神经网络电路和基于脉冲神经网络的计算方法，该电路包括多个解压缩模块和计算模块。所述多个解压缩模块用于分别根据多个输入神经元的信息获得压缩后的权重矩阵中的多个权重值以及对应的多个输出神经元的标识，其中，所述多个解压缩模块中的每个解压缩模块用于并行获得所述压缩后的权重矩阵中相同行数的权重值以及所述相同行数的权重值对应的多个输出神经元的标识，所述压缩后的权重矩阵中每一行的非零权重值的数量相同，每一行的权重值对应一个输入神经元。所述计算模块用于根据所述多个权重值分别确定对应的所述多个输出神经元的膜电压。该脉冲神经网络电路能够提高计算效率。

摘要： 本发明涉及一种融合脉冲神经网络信息处理方法及融合脉冲神经网络，方法包括：接收配置指令，并读取配置指令中的需要配置的脉冲神经网络种类，其中，脉冲神经网络的种类包括通用脉冲神经网络和特定脉冲神经网络；根据脉冲神经网络的种类划分存储器的地址空间，并在寄存器中写入配置信息；读取配置信息，并基于配置信息选择对应的控制单元调用脉冲计算单元进行脉冲计算并在存储器中存储脉冲计算结果。与现有技术相比，本发明在克服了通用脉冲神经网络连接存储面积大和特定脉冲神经网络通用性不强的缺点的同时可以减小芯片的晶体管数量，缩小芯片体积，以及在相同晶体管数量的情况下提升芯片的效能。

摘要： 本发明提供一种人工神经网络和脉冲神经网络神经的混合通信方法，包括：判断进行通信的神经网络基本计算单元中发送方与接收方的数据类型是否一致，若一致则进行数据传输，若不一致，则执行数据格式转换，将发送方的数据类型转换为与接收方的数据类型，并进行数据传输。本发明提供的人工神经网络与脉冲神经网络神经的混合通信方法实现了人工神经网络与脉冲神经网络的直接通信。

摘要： 利用脉冲耦合神经网络并行处理及自动波特性，提出了一种顾及设施点相关联路网属性的网络加权Voronoi图算法。算法首先将道路网按其节点划分为不同的弧段，并将道路网所有节点视作神经元，原始点群视为初始神经元，由其发出的自动波并发地沿着神经元间的最短路径向外传输，直至所有的神经元均被点火且正在传输的自动波传输停止。算法在自动波传输过程中，将点群权重及相关联的道路网属性等信息作为约束条件控制自动波的波速，在网络Voronoi图的构建过程中顾及了点群权重及周边道路网等信息对点群辐射范围的影响。最后，通过实际POI点辐射范围的试验，表明了算法的可行性、适用性及高效性。

摘要： 本发明公开了基于忆阻器脉冲耦合神经网络的最短路径获取方法及装置，首先将加权图的边和顶点直接映射到基于忆阻器的脉冲耦合神经网络上的突触和神经元，通过记录神经元的激活时间和给定神经元的连通性，以高度并行的脉冲传播，获得从起始神经元到所有其他神经元的最短路径。本发明提出的基于忆阻器的脉冲耦合神经网络，充分利用了忆阻器物理特性的高度并行性，以较低的时间复杂度和空间复杂度实现了最短路径的获取。并且在八顶点加权图中获得100%的路径最优性，能耗低至0.33μJ。

摘要： 本发明涉及一种图像处理方法，具体涉及基于脉冲耦合神经网络的图像清晰度评估方法及终端设备，应用脉冲耦合神经网络解决图像清晰度低的技术问题，本发明基于脉冲耦合神经网络的图像清晰度评估方法，通过提前设置脉冲耦合神经网络的反馈输入域、耦合连接域及脉冲发生域的相关参数，循环迭代，计算在调焦过程中得到的图像序列对应的图像清晰度评估函数值，并绘制曲线图表征该图像序列对应的清晰度变换趋势，可以适用不同的场景类型，并且只关注图像的灰度信息，可以提高运算精确度，避免其他因素的干扰，具有较好的实时性，在终端设备上运行时，计算效率高能满足工程需求。

摘要： 本发明属于遥感图像融合领域，具体涉及一种基于多尺度形态学梯度的自适应简化脉冲耦合神经网络模型的遥感图像融合方法；该方法包括：获取合成孔径雷达图像和多光谱图像；对合成孔径雷达图像分别进行高斯曲率滤波分解和高斯滤波分解，得到小尺度图像、大尺度图像和基尺度图像；对多光谱图像进行色彩饱和强度变换，得到强度图像；对基尺度图像和强度图像进行融合，得到近似图像；将近似图像、小尺度图像和大尺度图像融合，得到融合后的强度图像；对融合后的强度图像进行重构，得到融合后的遥感图像；本发明将尺度形态学梯度与自适应简化脉冲耦合神经网络结合，避免了块状效应和图像局部模糊的现象。

摘要： 本发明公开了基于忆阻器脉冲耦合神经网络的最短路径获取方法及装置，首先将加权图的边和顶点直接映射到基于忆阻器的脉冲耦合神经网络上的突触和神经元，通过记录神经元的激活时间和给定神经元的连通性，以高度并行的脉冲传播，获得从起始神经元到所有其他神经元的最短路径。本发明提出的基于忆阻器的脉冲耦合神经网络，充分利用了忆阻器物理特性的高度并行性，以较低的时间复杂度和空间复杂度实现了最短路径的获取。并且在八顶点加权图中获得100%的路径最优性，能耗低至0.33μJ。