基于活跃度的脉冲耦合神经网络图像分割

针对脉冲耦合神经网络(PCNN)在图像分割中需多次人工调整网络参数的问题,提出了一种基于PCNN模型的图像自动分割方法.分析了图像中影响PCNN参数设置的因素,提出了一种图像自适应分块策略.将图像划分为内部复杂程度相近的子块,克服了同一参数无法同时对图像中复杂度差异较大的不同区域准确分割的不足.利用本文提出的局部图像活跃度(ADLA)指标对不同子块自适应地确定PCNN模型参数,有效解决了传统PCNN图像分割时需要人工确定关键参数的问题.最后,采用最大二维Tallis熵准则从分割后的二值结果序列中选择最佳结果.实验表明,本文方法的分割结果轮廓清晰、完整,即使在对比度低、背景呈大范围内连续变化等复杂情况下,也具有优异的性能.与传统PCNN分割方法相比,本文方法能自动、快速、准确地确定PCNN模型参数,且区域一致性测度(UM),区域对比度(CR),形状测度(SM),综合指标(CI)等客观评价的量化指标均优于传统PCNN分割方法12％以上.     

利用脉冲耦合神经网络的图像融合

为了获得对同一场景更为准确、全面和可靠的图像描述,提出了一种基于脉冲耦合神经网络(PCNN)的图像融合方法。将多源传感器图像配准后的各个源图像用9/7小波变换的提升算法进行分解,从而得到各个源图像的低频分量和高频分量。对于低频分量,采用像素绝对值选大法进行融合;而高频分量则作为PCNN的输入,在迭代结束后,通过比较PCNN点火次数得到一系列融合子图像;然后,用9/7小波的提升算法将获取的一系列多尺度融合子图像进行反变换得到最终的融合图像。设计了可见光图像与红外图像的融合实验,对融合图像的熵、平均梯度、标准差、空间频率进行了定量比较。当使用标准源图像进行融合时,各值比使用传统小波变换与PCNN相结合的图像融合方法分别高0.0104,0.2459,0.1131和0.2846。     

基于脉冲耦合神经网络的手掌纹理识别

掌纹识别是生物信息识别的重要技术之一,在身份识别领域已得到较好的应用,但用于中医手诊的掌纹识别研究还比较匮乏。本文提出一种基于脉冲耦合神经网络（PCNN）手掌纹理识别方法,旨在通过对不同的掌纹类型进行分类,从而辅助手诊专家发现人的潜在健康隐患。论文给出用PCNN提取时间熵序列的具体算法,并以感情线识别为例,采用SOM聚类算法获得三种类型感情线的标准熵时间序列,实现了100例感情线纹理的自动分类。论文还对PCNN的性能优劣进行了分析,对进一步改善掌纹识别算法具有借鉴意义。     

应用小波变换的自适应脉冲耦合神经网络在图像融合中的应用

设计并实现了一种适用于红外与可见光图像融合的基于小波变换的自适应脉冲耦合神经网络(PCNN)融合技术。首先,对融合的两幅图像进行小波分解得到两组多尺度图像。然后,在小波域充分利用PCNN的同步激发特性,进行PCNN的融合策略设计;使用不同频率下小波系数的局域熵作为PCNN对应神经元的链接强度,经过PCNN点火获得参与融合图像在小波域中的点火映射图;根据点火时间计算点火映射梯度图,再通过判决选择算子,选择点火时间梯度最大的小波系数作为融合系数。最后,对融合后的小波系数进行重构生成融合图像。进行了两组图像融合实验,结果显示,在迭代次数为50次时,与经典小波方法相比,两组实验结果的熵分别提高1.1%,0.7%;平均梯度分别提高8.3%,3.7%;空间频率分别提高2.5%,1.5%;标准差分别提高1.9%,0.6%;交叉熵分别缩小5.6%,4.9%,结果表明本文方法用于红外与可见光图像的融合十分有效。     

采用脉冲耦合神经网络的改进显著性区域提取方法

由于仅考虑颜色等视觉对比信息的视觉显著性提取模型不符合人眼生物学过程,本文提出了一种基于混合模型的改进显著性区域提取(ISRE)方法。该混合模型由显著性滤波算法和改进脉冲耦合神经网络(PCNN)算法构成。首先,利用显著性滤波器算法获得原图像的初始显著性图(OSM)和亮度特征图(IFM),用IFM作为PCNN的输入神经元;然后,进一步对PCNN点火脉冲输入进行改进,即对PCNN内部神经元与OSM的二值化显著性图进行点乘,确定最终点火脉冲输入,以获得更加准确的点火范围;最后,通过改进后的PCNN多次迭代,完成显著性二值化区域提取。基于1 000张标准图像数据库进行的实验结果显示:在视觉效果和客观定量数据比对两方面,本算法均优于现有的5种显著性提取方法,平均查准率为0.891,平均召回率为0.808,综合指标F值为0.870。在真实环境实验中,所提算法获得了精确的提取效果,进一步验证了本算法具有较高的准确性和执行效率。     

改进型脉冲耦合神经网络检测乳腺肿瘤超声图像感兴趣区域

为了解决超声图像斑点噪声、伪影、低图像对比度和图像亮度不均匀等问题,提出了一种改进的简化脉冲耦合神经网络(SPCNN)结合模糊互信息量的方法来自动检测乳腺肿瘤超声图像的感兴趣区域(ROI).首先,对超声图像进行模糊增强预处理;然后,通过改进SPCNN对超声图像进行点火,以最大模糊互信息量作为最优判决准则,获得相应的分类...     

基于脉冲耦合神经网络的故障检测算法研究

助航灯光尤其是着陆区灯的正常工作保障了飞机的安全着陆。在进行助航灯光信息采集时,需要具有较高的准确性和实时性。无线传感器网络具有系统布置简单和灯光控制实时性好的特点,针对基于无线传感器网络,提出了一种基于脉冲耦合神经网络(PCNN)的汇聚节点数据融合方法。对汇聚节点的数据和参数处理问题进行了讨论。实验结果表明,基于PCNN的算法具有较好的实时性,并能够提高故障分类准确率和速度,该网络在数据融合处理方面优于BP神经网络,能有效地进行故障的应急处理。     

最小误差准则与脉冲耦合神经网络的裂缝检测

表面裂缝检测能够有效判断混凝土桥梁出现的结构性危险。但裂缝特征的多样性、桥梁表面污点引起的图像噪声以及不均匀照明引起的灰度不均等给裂缝检测带来极大的困难。为能够在复杂背景下检测裂缝,分析裂缝图像特征,由脉冲耦合神经网络(pulse coupled neural networks,PCNN)的运行特征和神经元的状态变化分析简化PCNN模型,将简化PCNN模型用于裂缝图像的分割,根据最小误差准则判断PCNN迭代的终止条件,实现了PCNN的裂缝图像自动分割。由圆形度与扁度结合计算区域特征,去除分割后的各种干扰,实现表面裂缝的有效检测。通过敏感度和特异性计算绘制ROC(receiver operating charac-teristics)曲线,比较不同分割方法的曲线特性以评估算法,对实际裂缝图像的处理结果表明了该方法对裂缝图像检测的有效性。     

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

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9 dB.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.     

用改进的Hough变换检测交通标志图像的直线特征

直线特征是交通标志图像中稳定而重要的特征,直线特征的正确提取,对于提高交通标志识别率是有意义的.针对已有Hough变换的缺点,如参数空间中的峰值扩散问题、繁重的计算复杂度和空间复杂度等,提出了一种自适应"多对多"Hough映射方式.新算法具有良好的时间计算复杂度、对阈值不敏感且能精确地提取出图像中的直线.实验结果表明,新方法的阈值选择范围是MTO_θ的3倍,而运算时间仅为MTO_ρ方法的10%左右.改进的Hough变换能在可接受的时间内准确地提取交通标志图像中的直线,还可用于其它图像(如票据图像、符号图像)中直线特征的提取.     

Wavelet design for extracting weak fault feature based on lifting scheme

Weak fault features of mechanical signals are usually immersed in noisy signals. A new wavelet method based on lifting scheme to match weak fault characteristics is proposed. In this method, an initial set of finite biorthogonal filters is modified by a lifting and dual lifting procedure alternately, and different lifting operators and dual lifting operators are obtained. The properties of the initial wavelet is improved, and the new wavelet with particular properties is designed. Simulation and engineering results confirm that the proposed method is better than other wavelet methods for extracting weak fault feature. Modulus maxima of the detail signal in every operation cycle are extracted, the position and time that weak signal singularity occurs are clearly found, and slight rub-impact fault caused by axis misalignment and rotor imbalance of a heavy oil catalytic cracking set are desirably extracted. extracted. __________ Translated from Journal of Xi’an Jiaotong University, 2005, 39(5) (in Chinese)     

用于目标测距的单目视觉测量方法

为了克服对应点匹配和单个特征点提取误差对测量结果的影响,本文在基于图像处理的基础上,提出了一种基于特征点的单目视觉测距方法.首先利用小孔成像原理,得出成像点与目标点的映射关系,建立小孔成像模型.然后通过对目标图像的分析,得出目标物与目标图像的面积映射关系,建立视觉测量的直线测距模型;通过图像处理,提取目标图像的特征点,...     

一种基于扩展目标的直线边缘特征提取方法

为了能够快速而精确的提取图像中扩展目标的直线边缘特征,本文提出了一种基于块遍历的直线提取方法,该算法是先通过块遍历整个图像,然后按照直方图把块分类并进行二值化,再通过链码得到相同单像素直线的多个块表示,然后通过这些直线的斜率和截距进行分类,最后对分类结果求均值,仿真结果表明该方法不仅能正确地提取直线特征且提取的直线可以达到亚像素精度。从运算量和复杂性来看,其综合性能要优于经典霍夫变换方法但却可以得到很好的直线提取结果,从而为硬件实现打好了基础。     

基于距离变换的新型骨架提取方法

针对细化算法的计算复杂度高和一般距离变换算法难以保证骨架的连通性等问题,提出了一种新型的骨架提取方法.在欧氏距离变换的基础上,通过局部比较快速确定候选骨架的强弱程度,生长出骨架.该算法对大量人体运动图像的实验取得了良好效果.不仅具有良好的实时性,同时能保持骨架的连通性,可应用于人体动作的在线分析.     

基于截面草图和规则特征提取的混合建模

在逆向工程中,以还原设计意图和面向再设计为主要目的的逆向建模方法是最近十多年以来的研究热点。对几种目前应用比较广泛的逆向建模方法的特点进行了分析,提出了基于截面草图和规则特征提取的混合建模方法,详细介绍了该混合建模方法的优势。以建模软件Geomagic Design Direct为平台,通过实例验证了该混合建模方法的准确性,为基于逆向工程的几何形状重构和再设计提供了一种快速、有效的解决方法。     

基于UG实体模型的特征信息提取技术研究

CAPP系统用“制造特征”来产生与零件加工探作相关的信息。然而,这些制造特征信息在传统的CAD系统中并没有明确的包含。本文尝试着集成特征识别技术和基于特征的设计技术实现从设计特征模型中提取出制造特征。而且,随着“全息模型”技术的发展,产品的三维设计模型中逐步包含了一些CAPP系统所必需的零件信息,如零件表面粗糙度、几何公差和基准等。本文也提出一种方法将它们从零件模型的工程数据库中提取出来。     

基于二代小波变换和PCNN的高光谱图像融合算法

采用信息融合技术可以降低高光谱遥感图像的分析难度。本文提出一种基于二代小波变换和脉冲耦合神经网络(PCNN)的融合算法。在利用自适应子空间分解技术将高光谱图像的数据空间划分为数个子空间后,对各子空间内的每一波段图像进行二代提升小波分解。对低频系数部分进行方差加权融合的同时利用PCNN的脉冲同步和全局耦合特性对高频系数部分进行选取,最后用二代小波逆变换得到各子空间的融合图像.其仿真实验结果显示:所提算法有效降低了高光谱图像维数,很好保留了原图像的信息,效果优于单一的一代小波和二代小波融合算法。     

基于仿射尺度不变特征变换的掌纹识别

相比传统接触式采集方法,非接触采集是目前掌纹识别的趋势和主流,但其低约束性可能导致人手和图像传感器平面不平行,从而使掌纹产生仿射变形.传统的尺度不变特征变换(scale invariant feature transform,SIFT)对此识别效果不佳.针对这个问题,提出一种改进方案,即基于仿射尺度不变特征变换(affine scale invariant feature transform,ASIFT)的掌纹识别方法,建立了变形掌纹的仿射模型,模拟了相机光轴的经度角和纬度角,在仿射空间内提取图像特征.通过基于实际环境所建立的掌纹库——SUT图库验证算法性能,与SIFT算法及目前典型的掌纹识别方法进行对比.结果表明,ASIFT方法具备良好的抗掌纹仿射变形性能,等误率仅为0.6％,证明了该方法能够成功解决掌纹变形问题,鲁棒性和稳定性强,具备优越性.     

基于序列图像提取稳定特征点的虹膜识别算法

为了尽可能降低不稳定特征点对识别率的影响,研究提出了基于序列图像提取稳定特征点的虹膜识别算法.该算法首先用二维Gabor滤波器对序列虹膜图像提取特征编码,然后对该序列特征编码求交集以提取稳定特征点,并利用这些稳定特征点建立虹膜的特征模板库,最后通过计算相似度,获得识别结果.在实验室采集的序列虹膜图库上,当等错率为0.3017%,分类阈值为0.6402时,正确识别率可以达到99.73%.实验证明该算法是有效、可行的,并更好地提高了虹膜的分类精度和改善了虹膜的识别性能.