基于交叉视觉皮质模型的图像处理关键技术研究

摘要

本文对基于交叉视觉皮质模型的图像处理关键技术进行了研究。主要内容如下： ⑴对ICM本身产生的自动波效应问题进行了研究，并提出了相应的解决方法。针对传统人工神经网络在图像处理中存在的需要预先进行训练才能从事相应的图像处理的问题，基于ICM对于图像处理中的几项关键技术进行了探索和研究。 ⑵提出了基于ICM的图像脉冲噪声抑制机制，并取得的良好的噪声抑制效果和处理效率。 ⑶提出了基于ICM的图像形态学处理机制，该机制对于后续的图像信息度量和模式识别具有特定的应用价值。 ⑷针对含有高背景噪声的X光脊柱图像中的脊柱难以有效分割的问题，以及利用ICM在面向灰度图像分割时ICM的神经元的初始阈值需要手动设定的问题，提出了基于被分割图像的信息熵的最大化原则来确定ICM神经元的初始阈值，并对含有高背景噪声的x光脊柱图像达到有效的分割。 ⑸突破ICM仅能面向2D数据进行处理的束缚，提出了3D-ICM，并将3D-ICM应用于彩色自然图像的自动分割。

目录

文摘

英文文摘

论文说明：图表目录

声明

1.前言

1.1本文研究题目的由来

1.2本文的研究工作

1.2.1本文的研究内容

1.2.2本文的结构

本章参考文献

2.人工神经网络图像处理技术概述

2.1生物神经元

2.2人工神经网络的发展历史

2.3基于人工神经网络技术的图像处理的研究概况与进展

2.3.1图象处理链

2.3.2神经网络在图像处理链中的应用

2.3.3神经网络在图像处理中优势和弱势

2.4小结

本章参考文献

3.交叉视觉皮质模型(ICM)

3.1哺乳动物视觉神经网络系统

3.2视觉皮质理论

3.2.1 Hodgkin-Huxley 模型

3.2.2 Fitzhugh-Nagumo 模型

3.2.3 Eckhorn 模型

3.2.4 Rybak 模型

3.3 ICM

3.3.1 ICM的生物脉冲连接同步特性

3.3.2 ICM的生物脉冲时空同步特性

3.3.3 ICM的依赖于状态的调制机制

3.3.4 Eckhorn模型对于ICM的价值

3.3.5 ICM中神经元的架构

3.4ICM的自动波效应及本文对应的解决方案

3.5小结

本章参考文献

4.基于ICM图像噪声抑制的研究

4.1其他研究者对于噪声干扰的处理的研究概况

4.1.1 改进中心加权中值滤波

4.1.2最优全方位结构元层叠滤波器

4.1.3最优全方位结构元层叠滤波改进方案

4.1.4结合形态滤波和层叠滤波的混合滤波器

4.1.5改进的结合层叠滤波、形态滤波的混合滤波

4.2本文所提出的基于ICM的非线性脉冲噪声滤波方案

4.2.1基于ICM的脉冲滤波

4.2.2仿真实验与分析

4.2.3 结论

4.3小结

本章参考文献

5.基于ICM图像分割的研究

5.1其他研究者对于图像分割的研究概况

5.1.1直方图阈值化分割技术

5.1.2特征空间聚类分割技术

5.1.3基于区域生长的图像分割技术

5.1.4基于分水岭的图像分割技术

5.1.5基于马尔科夫随机场的图像分割技术

5.1.6基于神经网络的图像分割技术

5.2本文基于ICM对于图像分割的研究

5.2.1基于ICM的灰度X光脊柱图像的分割

5.2.2基于3D-ICM的彩色自然影像分割

5.3小结

本章参考文献

6.基于ICM图像形态学的研究

6.1图像形态学的相关操作

6.1.1腐蚀和膨胀操作

6.1.2开运算和闭运算

6.1.3收缩

6.1.4细化

6.1.5骨架化

6.2其他研究者对于图像形态学的研究概况

6.3本文基于ICM的图像形态学处理的研究

6.3.1基于ICM二值图像腐蚀

6.3.2基于ICM二值图像膨胀

6.3.3基于ICM的二值图像骨架化

6.3.4仿真实验与分析

6.4小结

本章参考文献

7.结论与展望

7.1本文的研究总结

7.2进一步工作

参考文献

攻读博士学位期间参加科研活动情况

攻读博士学位期间发表(录用)学术论文情况

攻读博士学位期间获奖情况

致谢