脉冲耦合神经网络

3 研究方法与内容
3.1 图像分割
原始灰度图 Ostu算法结果 PCNN算法 改进的PCNN算法
3 研究方法与内容
3.2 边缘检测
3 研究方法与内容
3.3 图像融合
脉冲耦合神经网络图像融合模型
3 研究方法与内容
3.3 图像融合
4 总结与展望
4.2 展望
PCNN 参数与图像固有特性结合起来选取 PCNN 迭代输出 加入生物特征完善模型
脉冲耦合神经网络在图像处理上的应用研究
报告人： XXX XXX
目录
1 理论基础 2 基本模型及其功能特性 3 应用与实验 4 展望
1 理论基础
哺乳动物视觉通路示意图
猫、猴等哺乳动物 的大脑视觉系统产生
的同步脉冲现象
视觉系统的 Eckhorn数学模型
Johnson等人对Eckhorn 模型进行了改进与简化，诞生了 脉冲耦合神经网络，它在国际上被
外部刺激强，点火频率 越高。不同亮度不同时刻， 相同亮度相同时刻。
无耦合PCNN输出脉冲示意图
2
基本模型及其功能特性
2.3 工作原理
PCNN各神经元间存在耦合连 接，一个神经元的点火会引起相 邻神经元提前点火。
具有空间邻近、亮度强度相似 性输入的神经元将在同一时刻点 火。
有耦合神经元点火图
2
基本模型及其功能特性
实际应用，医学、农学等
The end 谢谢！
称为第三代人工神经网络
2 基本模型及其功能特性
2.1 Eckhorn 神经元模型
XXXX年
2
基本模型及其功能特性
2.2 脉冲耦合神经网络模型（理
PCNN的运行行为是各 神经元相互独立运行的组合， 在外部刺激作用下，以一定 自然频率发放脉冲，称为自 然点火。
2.4 基本特性
1 2
3
4
5 6
变阈值特性 捕获与非线性调制特性 动态脉冲发放特性 同步脉冲发放特性 自动波特性 时空综合特性
3 应用与实验
特征提 取
图像分 割
应用
边缘检 测
图像去 噪
图像融 合
3 研究方法与内容
3.1 图像分割
变形后的 PCNN 神经元模型： 去掉动态门限产生机制，自适应遗传算法搜索最优门限阈值