基于脉冲耦合神经网络的图像特征提取

摘要

论文的第一部分在深入研究脉冲耦合神经网络基本特性的基础上,详细地阐述了点火时间信号作为图像特征在实际应用中的不足:不能描述图像的细节特征以及对光照变化过于敏感;同时,在分析的基础上指明了后继的研究方向.论文的第二部分对脉冲耦合神经网络在图像特征提取方面作了进一步研究,依据脉冲耦合神经网络中的自动波传输条件提出了捕获率的概念,并将其与傅立叶功率谱相结合作为判别图像纹理粗糙度的特征向量;该方法是对脉冲耦合神经网络图像处理能力的探索和尝试.上述研究为基于脉冲耦合神经网络的图像特征提取的后续研究奠定了良好的基础.

目录

文摘

英文文摘

创新性声明及关于论文使用授权的说明

第一章绪论

1.1特征提取的定义及基本任务

1.2图像特征提取的现状

1.2.1图像特征分类

1.2.2现有的图像特征提取方法

1.2.3研究图像特征的空间

1.3脉冲耦合神经网络模型的兴起与发展

1.3.1脉冲耦合神经网络的兴起

1.3.2脉冲耦合神经网络在图像特征提取方面的发展

1.4本论文内容安排

第二章脉冲耦合神经网络基本特性分析

2.1标准脉冲耦合神经网络模型及其简化

2.2 PCNN基本特性的定性分析

2.3基于邻域相似性集群点火特性的定量分析

2.4本章小结

第三章基于PCNN的图像几何不变性特征提取

3.1模型的选择--采用弱连接的简化PCNN模型

3.2点火时间信号及对图像的空间几何特性描述

3.3点火时间信号的不变性特征分析

3.3.1平移不变性

3.3.2旋转不变性

3.3.3尺度不变性

3.3.4扭曲不变性

3.4点火时间信号特性的进一步研究

3.5本章小结

第四章基于PCNN的图像纹理粗糙度特征提取与图像检索

4.1基于PCNN的图像纹理粗糙度特征提取

4.1.1改进的PCNN模型及其特性

4.1.2自动波

4.1.3捕获率

4.1.4低频能量比

4.2综合颜色和纹理的图像检索

4.2.1颜色特征

4.2.2灰度共生矩阵

4.2.3高斯归一化

4.2.4图像检索算法性能评价标准

4.3实验结果与分析

4.3.1实验结果

4.3.2性能分析

4.4本章小结

结束语

致谢

主要参考文献

发表论文