脈沖耦合神經(jīng)網(wǎng)絡(luò)(Pulse Coupled Neural Network,PCNN)是20世紀(jì)90年代初,提出的一種模擬哺乳動(dòng)物視覺神經(jīng)細(xì)胞特性的網(wǎng)絡(luò)模型,由于它本身擁有變閾值、捕獲、自動(dòng)波以及綜合時(shí)空等生物視覺背景特性,非常適合應(yīng)用在圖像處理領(lǐng)域。本文對PCNN原理和模型進(jìn)行了深入研究,針對現(xiàn)有PCNN圖像分割中參數(shù)多,設(shè)置困難,分割評價(jià)不具體全面;PCNN圖像融合中對源圖像清晰區(qū)域劃分不精確,傳統(tǒng)區(qū)域清晰度特征抗噪性能較差,融合結(jié)果質(zhì)量不高等問題,將PCNN與粒子群優(yōu)化(Particle Swarm Optimization,PSO)和非下采樣Contourlet變換(Nonsubsampled Countourlet Transform,NSCT)算法相結(jié)合,提出了新的圖像分割方法和融合算法。為了解決PCNN在圖像分割中多參數(shù)設(shè)定以及評價(jià)準(zhǔn)則單一的問題,提出了一種結(jié)合PSO和綜合評價(jià)準(zhǔn)則的PCNN圖像自動(dòng)分割方法。采用單調(diào)遞增閾值搜索策略的PCNN改進(jìn)模型,將PSO優(yōu)化原理與由交叉熵參數(shù),邊緣匹配度和噪點(diǎn)控制度共同構(gòu)成的綜合評價(jià)相結(jié)合,以綜合評價(jià)作為粒子的適應(yīng)度函數(shù),自動(dòng)尋優(yōu)獲...

【文章頁數(shù)】：64 頁

【學(xué)位級別】：碩士

【文章目錄】：
摘要
Abstract
第1章 緒論
    1.1 研究背景
    1.2 研究目的和意義
        1.2.1 PCNN與圖像分割
        1.2.2 PCNN與圖像融合
    1.3 論文主要研究工作與內(nèi)容安排
第2章 脈沖耦合神經(jīng)網(wǎng)絡(luò)基本理論
    2.1 脈沖耦合神經(jīng)網(wǎng)絡(luò)基本模型
    2.2 PCNN模型參數(shù)
    2.3 PCNN工作機(jī)理
        2.3.1 無耦合連接
        2.3.2 耦合連接
    2.4 PCNN基本特性
    2.5 小結(jié)
第3章 結(jié)合PSO和綜合評價(jià)的PCNN圖像自動(dòng)分割
    3.1 PCNN圖像分割模型
    3.2 結(jié)合PSO和綜合評價(jià)準(zhǔn)則的圖像分割算法
        3.2.1 PSO優(yōu)化原理
        3.2.2 綜合評價(jià)準(zhǔn)則
        3.2.3 算法步驟
    3.3 圖像分割實(shí)驗(yàn)與分析
    3.4 小結(jié)
第4章 基于NSCT和DCPCNN的圖像融合方法
    4.1 NSCT變換
    4.2 分段式動(dòng)態(tài)閾值DCPCNN圖像融合模型
    4.3 基于NSCT和DCPCNN的圖像融合算法
        4.3.1 低頻子帶系數(shù)融合規(guī)則
        4.3.2 高頻子帶系數(shù)融合規(guī)則
    4.4 圖像融合算法實(shí)驗(yàn)與分析
        4.4.1 DCPCNN圖像低頻系數(shù)融合模板
        4.4.2 多聚焦圖像融合
    4.5 小結(jié)
第5章 總結(jié)和展望
    5.1 論文總結(jié)
    5.2 研究展望
參考文獻(xiàn)
致謝
攻讀碩士學(xué)位期間的研究成果



本文編號：3834314