醉染图书时空编码脉冲耦合神经网络理论及应用9787030548054

《信息科学技术学术著作丛书》序

前言

章 绪论 1

1.1 人工神经网络的缘起 1

1.2 平均点火率神经网络 2

1.2.1 平均点火率神经网络的发展历程 2

1.2.2 平均点火率神经网络的局限 3

1.3 脉冲神经网络 4

1.3.1 脉冲神经网络的发展回顾 4

1.3.2 脉冲神经网络信息编码 6

1.4 本书的内容及组织安排 7

1.4.1 本书内容 7

1.4.2 本书组织安排 9

1.5 本章小结 10

参考文献 10

第2章 脉冲耦合神经网络基本理论 18

2.1 脉冲耦合神经元及其简化模型 18

2.1.1 脉冲耦合神经元模型及分析 18

2.1.2 单位连接脉冲耦合神经元模型及分析

2.1.3 脉冲耦合神经元与平均点火率神经元的区别 27

2.2 脉冲耦合神经网络 27

2.2.1 脉冲耦合神经网络的连接方式 27

2.2.2 脉冲耦合神经网络动态行为分析 29

. 脉冲耦合神经网络的特与应 33

..1 脉冲耦合神经网络的特 33

..2 脉冲耦合神经网络的应用 34

.. 脉冲耦合神经网络的硬件实现 36

2.4 脉冲耦合神经网络的发展前景 37

2.5 本章小结 39

参考文献 40

第3章 基于PCNN的图像处理与模糊数学及粗集理论 50

3.1 基于Unit-linking PCNN的图像分割 50

3.1.1 基于Unit-linking PCNN及图像熵的图像分割方法 51

3.1.2 基于直方图及边缘乘积互信息的Unit-linking PCNN图像分割 57

3.2 基于Unit-linking PCNN的图像阴影去除 65

3.2.1 基于Unit-linking PCNN的图像阴影去除方法及分析 65

3.2.2 Unit-linking PCNN阴影去除方法在道路检测中的应用 74

3.3 基于PCNN的图像去噪及与模糊数学的结合 77

3.3.1 基于PCNN的图像去噪 77

3.3.2 基于PCNN及模糊算法的四值图像去噪 81

3.4 基于PCNN与粗集理论的图像 84

3.4.1 粗集理论简介 84

3.4.2 基于PCNN与粗集理论的图像方法及 8

3.4.3 及分析 87

3.5 本章小结 88

参考文献 89

第4章 PCNN图像处理通用设计方法与数学形态学 94

4.1 Unit-linking PCNN与数学形态学的关系 94

4.1.1 图像处理中的数学形态学 94

4.1.2 网络中脉冲传播和数学形态学的等价关系 96

4.2 Unit-linking PCNN图像处理通用设计方法及应用 97

4.2.1 Unit-linking PCNN图像处理通用设计方法 97

4.2.2 Unit-linking PCNN颗粒分析及形态学分析 97

4.. 基于Unit-linking PCNN的图像斑点去除方法及形态学分析 102

4.2.4 基于Unit-linking PCNN的边缘检测方法及形态学分析 104

4.2.5 基于Unit-linking PCNN的空洞滤波方法及形态学分析 107

4.2.6 基于Unit-linking PCNN的细化方法及形态学分析 110

4.3 本章小结 117

参考文献 117

第5章 Unit-linking PCNN特征提取及应用 120

5.1 Unit-linking PCNN全局图像时间签名 120

5.2 Unit-linking PCNN局部图像时间签名 127

5.3 基于Unit-linking PCNN全局图像时间签名的目标识别 130

5.4 基于Unit-linking PCNN图像时间签名的机器人自航 135

5.4.1 发育机器人自航流程 135

5.4.2 增量分层回归法 136

5.4.3 增量主元分析方法 140

5.4.4 非平稳视频流导航中Unit-linking PCNN全局图像时间签名的能 142

5.4.5 Unit-linking PCNN时间签名应用于平稳视频流的机器人导航 142

5.5 基于粒子滤波及Unit-linking PCNN图像时间签名的目标跟踪 144

5.5.1 粒子滤波简介 145

5.5.2 粒子滤波目标跟踪 145

5.5.3 Unit-linking PCNN图像时间签名应用于粒子滤波目标跟踪 146

5.6 基于Unit-linking PCNN局部图像时间签名的图像认 151

5.6.1 基于内容及数字签名的图像认 151

5.6.2 基于Unit-linking PCNN局部图像时间签名的图像认 151

5.7 基于Unit-linking PCNN特征提取的图像检索 154

5.7.1 用于图像检索的Unit-linking PCNN特征 155

5.7.2 相似度 160

5.7.3 及分析 163

5.8 本章小结 172

参考文献 173

第6章 PCNN车牌和静脉识别及多值模型数据分类 179

6.1 基于Unit-linking PCNN的车牌识别 179

6.1.1 车牌识别概述 180

6.1.2 Unit-linking PCNN应用于车牌定位 182

6.1.3 Unit-linking PCNN应用于车牌字符分割 187

6.1.4 基于Unit-linking PCNN的车牌字符识别 190

6.2 Unit-linking PCNN应用于手静脉识别 193

6.2.1 手静脉识别概述 193

6.2.2 Unit-linking PCNN细化方法应用于手静脉识别 194

6.. 实验结果及讨论 196

6.3 多值脉冲耦合神经网络及应用 198

6.3.1 多值脉冲耦合神经网络 198

6.3.2 基于多值模型脉冲波的数据分类 200

6.4 本章小结 205

参考文献 206

第7章 基于Unit-linking PCNN的静态及动态路径寻优 212

7.1 基于时延Unit-linking PCNN的静态*短路径求解 212

7.1.1 时延Unit-linking PCNN 213

7.1.2 基于时延Unit-linking PCNN的*短路径求解 214

7.1.3 及分析 217

7.2 基于带宽剩余率及Unit-linking PCNN的静态路径寻优 218

7.2.1 基于带宽剩余率及Unit-linking PCNN的*优路径求解 219

7.2.2 及分析 222

7.3 基于Unit-linking PCNN的动态网络*优路径求解 224

7.3.1 概述 224

7.3.2 基于Unit-linking PCNN的*优路径动态求解方法 226

7.3.3 及分析 228

7.4 本章小结 5

参考文献

第8章 PCNN与注意力选择和拓扑质知觉理论的结合及应用

8.1 PCNN与心理学注意力选择的结合

8.1.1 心理学注意力选择计算模型

8.1.2 PFT与Unit-linking PCNN相结合的沙漠车辆识别 241

8.1.3 PFT与Unit-linking PCNN相结合的海上目标识别 249

8.1.4 基于PCNN和PFT的足球检测与跟踪 251

8.2 基于PCNN与拓扑质知觉理论的注意力选择 257

8.2.1 拓扑质知觉理论 258

8.2.2 基于PCNN和拓扑知觉的注意力选择 259

8.. 基于PCNN、光流场及拓扑知觉的运动目标注意力选择 275

8.3 本章小结 281

参考文献 281

第9章 Unit-linking PCNN方位检测及同步振荡注意力选择 288

9.1 模型概述 288

9.1.1 结构 288

9.1.2 所建模型与生物视觉系统的关系 289

9.2 基于Unit-linking PCNN的仿生方位检测 290

9.2.1 Unit-linking PCNN边缘检测 290

9.2.2 用Unit-linking PCNN模仿生物视觉皮层的方位检测 292

9.. 及分析 296

9.3 具有Top-down机制的Unit-linking PCNN注意力选择 298

9.3.1 Unit-linking PCNN注意力选择概述 298

9.3.2 目标轮廓链码 299

9.3.3 Unit-linking PCNN注意力选择层 300

9.3.4 及分析 310

9.4 本章小结 311

参考文献 312