论文摘要
伴随着半个世纪以来科技的迅猛发展,人工智能技术成为了时代的主流技术之一,不断融入到人类生产、生活的各个领域。源自生物神经系统的抽象,并能一定程度上模拟人脑智能特点的人工神经网络在其中展示出了强大的生命力与广阔的应用前景。基于视觉神经机制的脉冲耦合神经网络(Pulse-Coupled NeuralNetworks,PCNN’s)作为最新的第三代人工神经网络模型,拥有许多优良的特性,已在图像处理等领域取得了令人瞩目的应用成果。本文在深入理解PCNN运行机制、运行规律及特点的基础上,进一步将PCNN拓展到图像配准与图像插值的应用中。首先,基于PCNN内禀的平移、旋转和尺度缩放等几何不变性,以PCNN各集群的重心作为匹配特征点提出了一种新的图像配准算法。该算法具有重心的稳健性、对噪声的不敏感性和尺度缩放、旋转不变性等特点,使之成功运用于功能磁共振医学图像的配准中。配准算法的一系列实验结果表明,该算法克服了基于测度搜索优化策略等方法在磁共振医学图像的配准中可能遇到的局部极值、搜索范围和计算量大的问题,能有效、快速、准确地实现了配准过程。其次,利用PCNN点火集群特性及集群过程中生成的点火传播路径,提出了一种能很好地保留边缘特征的新的图像插值算法。一方面由PCNN集群过程获取脉冲传播路径,并用以引导完成集群内部的插值;另一方面,针对路径插值产生的“网孔”现象及集群间隙问题,引入了网函数插值法及有理分式插值法分别解决。插值算法的大量相关模拟对比实验也显示了算法的有效性及其优势。这些算法不仅是对PCNN潜质的深度挖掘,也是对PCNN在图像配准和图像插值应用中的有益探索。
论文目录
相关论文文献
标签:脉冲耦合神经网络论文; 图像配准论文; 图像插值论文;