用于图像增强的仿生自适应忆阻细胞神经网络

杨利霞

用于图像增强的仿生自适应忆阻细胞神经网络

) B$ l% j( x; e

5 K7 @! m9 m( c; G  [3 E" }% y细胞神经网络 (cellular neural network, CNN) 具有简单的局部互联结构和高速并行处理能力,
是构造人工视网膜的基础模型, 可被应用于机器视觉中图像处理时的图像增强等方面. 然而, 现有的
6 c- S) f2 a- f$ a/ J9 e此类图像增强方法尚存在一些不足, 例如, 在处理实际复杂图像时, 采用固定模板难以取得理想效果;
而且, 未能模拟人类视觉系统的全局和局部自适应调节特性, 缺乏仿生考虑. 因此, 本文融合自适应三
高斯 (tri-Gaussian) 理论和纳米信息器件忆阻器, 提出了一种用于图像增强的新型仿生自适应忆阻细
7 x! X% |( Y4 Z+ B6 b胞神经网络. 其中, 基于忆阻器的可编程性、非易失性、突触可塑性等优点, 构建忆阻细胞神经网络架
& @1 T$ R* t& Y+ e; N' a构. 基于神经元感受野三高斯模型, 利用高斯核函数和细胞神经网络的图像处理特征, 提出对应的仿
生自适应图像增强模板设计算法. 最后, 分别以灰度和彩色图像为例进行了图像增强实验和对比分析,
( ]+ K, Z  n. U0 J& c. u6 e结果表明, 提出的仿生自适应忆阻细胞神经网络能够显著提高图像的全局亮度、局部对比度和清晰度.
1 s0 ~  V1 Y  ?, ~; |本研究可为细胞神经网络提供自适应模板设计及实现方案, 提升细胞神经网络的仿生特性和硬件实现
% v( I/ P) t; R9 a9 i$ b/ B+ S* b( B的可行性, 并为图像增强等智能图像处理提供新思路

1 [& j5 @: T8 b, ~& L$ k6 _, S  e
. V  D) r( d1 P* ]1 }