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

4 C5 }1 T/ K& K0 _( m" E, `
4 K! f9 g5 Y1 s; v: W: c

* S" i' C) x3 y: \" W/ u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,
* U* I8 R' C& N+ D% T# a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
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;
1 d! k9 y: N& b$ Y8 y+ |! p! I1 c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
2 q3 r1 q1 F& T8 I2 \# q! ~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
5 ~6 S3 Q9 n5 q, V# E( f: |( r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
. P( Y( G9 \/ F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,
" \( a9 |6 B( o/ H" {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.
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
4 f* z- d* f8 |) `$ ~! F的可行性, 并为图像增强等智能图像处理提供新思路
$ o+ a* L7 x2 T/ a
+ q9 `' ^8 O7 x, N. |/ B
6 i( V8 s5 A( a$ Z