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

0 d0 W7 W* K3 z+ C2 E! P& J
5 c. q4 N* W) t( y1 Q. ~  r5 m
2 A) a8 m3 c. z* y
; s- K! I* b6 N) W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,
% D" R% r9 G) D% h7 t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
: f/ X! K# C4 C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
% }3 U4 I; y0 L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
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,
5 ?, h; |7 ^$ w8 B# A3 b# Y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
  P0 J( n1 {0 M' B( `的可行性, 并为图像增强等智能图像处理提供新思路

8 _+ I$ l8 u' i' z% b2 k% Z( I