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

% W' K) S5 M, G( L7 J7 {6 F1 R

6 Z/ r6 d! k0 e. w* L
* `& ?: _( A# x( E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,
# z& v2 ?6 D) E3 q0 X. c& d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
) ~7 v) v8 Z# ?1 {* P! u  K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;
% L# U* s, X# w4 d$ U. H4 X# W2 m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
& @! [% v; v, n4 n/ s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
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
9 V. r% c; A, H+ p$ ~, D# j( C( H  f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,
  {: n, W3 ]9 b, H7 r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.
  e' w' @" k4 M2 b4 G- H2 k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
的可行性, 并为图像增强等智能图像处理提供新思路
& y; B9 Q# I3 N0 s! A/ n- z