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

( A4 m: \% [  P8 j- ^

3 K8 ^% i1 ]% p4 {) Y  C. u/ C
6 e$ M4 g$ Y$ P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,
- {2 B* {7 k  a$ z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
$ {3 O0 D3 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;
9 b. R/ ^9 b( n* u" U  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
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
: ?  u" R6 s6 D2 u# w3 ]6 t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
$ V2 q1 E+ e* D. Y6 Z4 j! H4 T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! d. {6 C9 p) g  A# G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,
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
的可行性, 并为图像增强等智能图像处理提供新思路
& I$ }0 f; M; i' V+ X
+ v/ y+ W- x5 _! B% j/ |' M6 M9 H. k
4 y0 R0 k& J& v; L/ ~. l8 Z