毕业论文

打赏
当前位置: 毕业论文 > 研究现状 >

PCNN图像分割的研究现状

时间:2019-10-13 19:05来源:毕业论文
图像分割的研究现状由上一小结就可知,图像分割是对图像最基本的处理。它拥有很大的价值,是图像处理中的热点,当然也有一定的难度。图像分割是图像分析识别和计算机视觉中至

图像分割的研究现状由上一小结就可知,图像分割是对图像最基本的处理。它拥有很大的价值,是图像处理中的热点,当然也有一定的难度。图像分割是图像分析识别和计算机视觉中至关重要的预处理过程,精确而准确的图像分析是以图像分割为基础的。随着数字图像处理的迅速发展,人们也对图像分割做了大量的、努力的、有效的研究,提出了很多能切实解决图像分割问题的方法。随着医学与科技的告诉发展,面对丰富又复杂的医学图像数据,一些先进的科学技术运用于医学中,如医学影像技术。图像分割在医学影像技术中占据十分重要的地位,也发挥了很大的作用,人们也因此得到了很多高质量且十分清晰的图像。40925
PCNN的国内外研究进展
(1)国外研究进展:神经元的电化学特性是从是从1952年开始进行研究的,国外的两位学者是这项研究的带头人。在之后的三十几年后,Charles 以及M.Gray等许多研究人员发现了神经激发相关振荡的现象[3]。这个现象是通过观察猫的视觉皮层的情况而总结出的。一年之后,Eckhorn及其他的研究人员继续进行观察探究,最后令世人高兴的是,他们研究出了同步发放脉冲的网络模型[4]。这个网络模型倾注了他们的心血,是他们努力研究的回报,这告诉我们只要有一颗努力探究的心,发现世界的奥秘将指日可待。经过不懈的努力,又有了研究成果,Eckhorn研究员研究得到了连接模型[2]。虽然有了这个模型,但人们不知道它是否正确,是否是合理存在的。后来,其他研究人员又观察猴子的大脑皮层,并对它进行了大量的研究与探讨,最后得出的结论与Eckhorn的研究非常一致[5],这也就证明了它的合理性。之后,随着科学技术的发展,人们开始注意到PCNN的一些内在属性,并对它的特性进行了重要的研究与说明[6]。了解了PCNN的特性与初始模型之后,人们又发现这个模型还存在一些不足。针对这个问题,研究人员又对上述提到的模型进行了修改,最终就得到较为成功的脉冲耦合神经网络模型[7]。在PCNN的历史上的重要的一年就是1999年,在这一年,研究人员终于向世人介绍了这个PCNN-在IEEE的神经网络会刊上发行PCNN专刊[8],让大家了解了它,这也使它步入了大多数人的视野。在二十一世纪初,U.Ekblad 和 J.M.Kinser两位研究人员共同合作,集中两个人的智慧,提出了交叉皮层模型(Intersecting Cortical Model,ICM)[9],这个模型最大的优点就是弥补了初始模型的相关不足,如相关计算难度高,图像处理速度慢[10]等。论文网
源`自<六:维*论-文>网/www.lwfree.cn

    (2)国内研究进展:和国外相比,我们国内对于脉冲耦合神经网络的研究起步较晚。虽然起步晚,但也取得了很多的成就。国内有很多学者积极进行PCNN的研究,他们对这方面真正的充满热情,也付出了很多的努力,果然皇天不负有心人,他们得到了很多关于这方面的收获。在这些研究人员中,最出色的就是以马义德老师为代表的团队。他们做了很多研究,例如文献[11]、自适应脉冲耦合神经网络在图像处理中应用[12]、PCNN与传统神经网络在图像处理中的应用的研究[13]、一种基于脉冲耦合神经网络和图像熵的自动图像分割方法[14]。除了这个团队之外还有其他优秀的团队,如北京交通大学陈后金团队。这个团队也做了很多努力,进行了很多的研究,例如改进型脉冲耦合神经网络在图像处理中的动态行为分析[15]。并且还有其他优秀的团队也写了很多与之相关的论文,如其中的一篇论文,主要是关于一种基于改进型脉冲耦合神经网络的图像分割[16]。随着大量的研究已经有很多的图像分割方法,其中有人工神经网络分割法。用PCNN来研究图像分割的成果有很多,这里就不详细论述了。 PCNN图像分割的研究现状:http://www.lwfree.cn/yanjiu/20191013/40791.html
------分隔线----------------------------
推荐内容