论文部分内容阅读
脉冲耦合神经网络(PCNN)与传统的人工神经网络不同，它是通过对猫的视觉神经系统中脉冲振荡现象的研究而产生的，有生物学的背景。PCNN为单层模型神经网络，不需要训练过程即可实现模式识别、图像分割、目标分类，因此非常适合图像处理。同时，PCNN在处理图像过程中将二维空间变量转化为一维时间脉冲序列，这样，PCNN神经元模型向生物实际神经网络更靠近了一步，它对输入信息的处理能力更强、性能更好。
本文首先通过对PCNN基本原理、运行行为及其特性的深入分析，提出一种针对带脉冲噪声图像的PAM过滤器算法，该过滤器可分为三个部分：利用简化PCNN模型对图像进行预处理，找到灰度值大的区域的具体位置；利用区域面积调节函数判断出其中的高亮度噪声点像素；采用中值滤波算法恢复高亮度噪声点处像素灰度。
其次，通过对织物疵点检测系统的研究，提出了一种基于PCNN的织物疵点分割的新方法。该方法有五个步骤：
(1)利用CCD和图像采集卡对织物进行图像采集；
(2)利用本文提出的PAM滤波器对织物图像作去噪的预处理；
(3)利用简化的PCNN对织物疵点进行特征提取；
(4)用膨胀的方法来获得织物疵点的形状和大小；
(5)利用Canny算子对织物疵点作其边缘分割。
实验证明这种方法能有效地获取织物疵点特征，并得到较为理想的边缘检测效果。