⛄一、脉冲耦合神经网络(PCNN)图像特征提取简介
1 引言
随这生物神经学的迅速发展及其研究的进一步深入,国外对一种叫做第三代人工神经网络的模型——脉冲耦合神经网络模型——PCNN(Pulse Coupled Neural Network)模型的神经网络的研究从一个悄然兴起阶段进入了升温阶段。并且我们还可以在像IEEE Trans .On Neural Networks等这样的知名刊物上发现有关PCNN论文的印记,但我们很少能发现有关研究中药材显微结构的文章,因为就目前的研究状况来看对其研究还不是很深入完善。由于其具有生物学特性的背景和空间自适应性的特点,使其更加符合视觉系统的研究。因此,脉冲耦合神经网络在数字图像处理:图像的分割、图像的特征提取和目标识别等具有相当可观的应用价值和前景。以下将以脉冲耦合神经网络作为基础结合其他特征提取与识别方法完成对中药材显微图像的相关特征提取。
2 PCNN概述
2.1 PCNN原理
1990年,由Eckhorn等人提出并且发起的对猫等哺乳动物的视觉皮层神经元脉冲振荡(同步振荡)现象的研究[[[]Eclhorn R, Reitboeck H J, Arndt Metal.Feature Linking Vial Synchronization Among Distributed Assemblies: Simulation of Results from Cat Cortex[J]. Neural Comput., 1990, 2(3): 293-307.]]促使了脉冲耦合神经网络(PCNN—Pulse Coupled