电子学报
電子學報
전자학보
ACTA ELECTRONICA SINICA
2006年
7期
1255-1259
,共5页
马义德%齐春亮%钱志柏%史飞%张在峰
馬義德%齊春亮%錢誌柏%史飛%張在峰
마의덕%제춘량%전지백%사비%장재봉
脉冲耦合神经网络%正交基%不规则分割区域%施密特正交化
脈遲耦閤神經網絡%正交基%不規則分割區域%施密特正交化
맥충우합신경망락%정교기%불규칙분할구역%시밀특정교화
自从脉冲耦合神经网络(PCNN)被提出以来,在图像处理、模式识别、人工智能等领域得到了广泛应用.由于其生物学背景的特性,使得其能够对灰度图像进行完美的分割:PCNN局部连接域的作用及阈值指数衰减特性,使得具有近似灰度特性的邻近像素能够同时处于激活状态,这就构成了PCNN分割特性的基础,使得图像分割结果既能较好地包含原始图像细节信息,又能避免一些无意义的小分割块的产生.借鉴施密特正交化思想,利用自然初始基对每一分割区域进行变换,得到一组正交基的变换系数,相对于分割前图像的数据量大为减少,存储空间需求小,从而实现了压缩.相对于JPEG算法,该方法使重建图像的质量得到显著提高,同时也使得逐步重建图像成为可能.
自從脈遲耦閤神經網絡(PCNN)被提齣以來,在圖像處理、模式識彆、人工智能等領域得到瞭廣汎應用.由于其生物學揹景的特性,使得其能夠對灰度圖像進行完美的分割:PCNN跼部連接域的作用及閾值指數衰減特性,使得具有近似灰度特性的鄰近像素能夠同時處于激活狀態,這就構成瞭PCNN分割特性的基礎,使得圖像分割結果既能較好地包含原始圖像細節信息,又能避免一些無意義的小分割塊的產生.藉鑒施密特正交化思想,利用自然初始基對每一分割區域進行變換,得到一組正交基的變換繫數,相對于分割前圖像的數據量大為減少,存儲空間需求小,從而實現瞭壓縮.相對于JPEG算法,該方法使重建圖像的質量得到顯著提高,同時也使得逐步重建圖像成為可能.
자종맥충우합신경망락(PCNN)피제출이래,재도상처리、모식식별、인공지능등영역득도료엄범응용.유우기생물학배경적특성,사득기능구대회도도상진행완미적분할:PCNN국부련접역적작용급역치지수쇠감특성,사득구유근사회도특성적린근상소능구동시처우격활상태,저취구성료PCNN분할특성적기출,사득도상분할결과기능교호지포함원시도상세절신식,우능피면일사무의의적소분할괴적산생.차감시밀특정교화사상,이용자연초시기대매일분할구역진행변환,득도일조정교기적변환계수,상대우분할전도상적수거량대위감소,존저공간수구소,종이실현료압축.상대우JPEG산법,해방법사중건도상적질량득도현저제고,동시야사득축보중건도상성위가능.
